ВведениеРост экономической неопределенности, глобальной макроэкономической нестабильности вызывает увеличение кредитных рисков и повышенное внимание к управленческим решениям в банковском секторе. Примером эффекта снежного кома в банковском секторе является глобальный экономический кризис 2007–2009 гг., вызванный большими объемами спекулятивных финансовых операций рискованного кредитования и, как следствие, значительным увеличением проблемной задолженности по кредитам, кризисом ликвидности в банковском секторе и дестабилизацией в финансово-кредитной системе в целом. Поэтому изучение кредитного риска, как в системе макроэкономического равновесия, так и в микроэкономических реалиях, является весьма актуальным. В современной научной литературе существует несколько подходов к определению понятия кредитного риска: кредитный риск как вероятность, как объективный результат субъективной вероятности, как распределение финансовых потерь из-за неожиданных изменений кредитного качества контрагента.Имеются различные инструменты решения проблемы резких подъемов и спадов в оценке кредитного портфеля; например, один из них – стресс-тестирование как инструмент для анализа влияния различных весомых параметров риска кредитного портфеля (изменение наклона или изгиба кривой доходности, ее абсолютного значения и др.). Важно изучить динамику параметров портфеля (доходности, текущей стоимости) как при краткосрочных, так и при долгосрочных колебаниях рынка, выражающихся в изменениях доходности инструментов и их соотношений, для моделирования кризисных ситуаций. Системные риски Если обратиться к текущему состоянию качества корпоративного кредитного портфеля в России, то следует отметить, что отмена регулятивных послаблений из-за пандемии COVID-19, которые позволили банкам экономить на резервах по реструктурированным кредитам, несильно повлияла на устойчивость системы к концу 2021 г. (хотя многие эксперты и практики высказывали серьезные опасения по этому поводу):– риски просрочки не реализовались (здесь не учитывается рост просроченной задолженности по корпоративным ссудам в российских банках в ноябре 2021 г., который, вернувшись к пандемийным максимумам, составил сразу +184 млрд руб. (6,5 %), превысив 3,03 трлн руб.: основной прирост обеспечил проблемный заемщик «Траста» – «Открытие Холдинг», поэтому Банк России отнес задолженность к разряду «технических»);– по итогам 2021 г. вновь побит рекорд по прибыли сектора (2,5 трлн руб.);– запас капитала банков вырос до 6,5 трлн руб., что позволяет сравнительно спокойно смотреть в ближайшее будущее.Вместе с тем нельзя не учитывать, что в наступившем году вероятность реализации отдельных видов системных рисков сохраняется. Так, по оценке Центра макроэкономического анализа и краткосрочного прогнозирования, проанализировавшего опережающие индикаторы системных финансовых и макроэкономических рисков, в 2022 г. вероятность возникновения системного банковского кризиса до мая 2022 г. оценивается как высокая, системных кредитных рисков до ноября 2022 г. – как средняя [1].Нельзя игнорировать и тот факт, что в период пандемии долги отечественного бизнеса увеличились на 14 %, достигнув 62,6 % ВВП страны, что существенно повысило риски для кредиторов. Отличительная особенности российской банковской отрасли – высокая концентрация корпоративных обязательств: существенная часть задолженности приходится на небольшое число крупных компаний, обслуживающихся в ведущих банках. Как отметили в конце 2021 г. в Банке России, это может быть источником системного риска для финансового сектора, поэтому банкам следует внимательно следить, как заемщики выходят из кризиса: «На текущей фазе кризиса можно ожидать активной реализации кредитных рисков. Важно, чтобы признание потерь по невозвратным кредитам не откладывалось на длительный срок, так как это может приводить к появлению «зомби-заемщиков» [2] («зомби-заемщики» – это компании, которые не смогут восстановить платежеспособность после реструктуризации долгов).Кроме этого, имеют место факторы, сдерживающие рост кредитования банками реального сектора, хотя известно (как бы тривиально это не звучало), что эта область, являющаяся базовой составляющей работы банка, – значительный инвестиционный ресурс, содействующий непрерывности и ускорению воспроизводственного процесса, укреплению экономического потенциала хозяйствующих субъектов. Речь идет, в частности, о том, что многие кредитные организации считают более выгодным вложение в приобретение государственных ценных бумаг, а не кредитование экономики (если на 01.01.2014 объем вложений банков в долговые обязательства Российской Федерации составляли 814,1 млрд руб., то на 01.01.2018 – уже 3,6 трлн руб.). Практически это означает, что государство конкурирует с корпоративными заемщиками кредитных ресурсов,  снижая долю их кредитования банками.Кредитный риск, управленческое поведение и макроэкономическое равновесие в структуре активных операций современных банков также сокращают доступ корпоративного сектора (как и домашних хозяйств) к банковским кредитам, стимулируя рост их стоимости. Например, политика Банка России в отношении процентных ставок по абсорбированию избыточной ликвидности негативно влияет на динамику кредитования. Меры по минимизации кредитных рисковПредставляется, что для улучшения функционирования кредитного рынка необходимо принять ряд организационных мер, которые позволят улучшить качество рыночной среды в целом и повысить эффективность кредитной деятельности всех участников рынка, а именно: – улучшить макропруденциальный надзор; – стимулировать развитие инструментов кредитного рынка; – публиковать рейтинги финансовых учреждений (банковских и небанковских); – усовершенствовать процедуру раскрытия публичной информации в отчетности; – ввести повышение квалификационных требований к сотрудникам банков, которые непосредственно предоставляют кредиты и участвуют в отборе банковских заемщиков (кредитные инспекторы и клиентские менеджеры);– внести в законодательную базу изменения, облегчающие процедуру реализации заложенного имущества в случае требования о взыскании в целях выполнения обязательств по кредитным соглашениям.Предлагаемые институциональные и организационные меры обеспечат благоприятные условия для развития современных форм кредитования при одновременном совершенствовании механизма защиты прав кредиторов и заемщиков. Не менее важным способом снижения кредитных рисков является разработка банками эффективной системы оценки кредитоспособности заемщика, призванной снизить потери банков от их невозврата. Несмотря на то, что оценка способности клиента своевременно и в полном объеме вернуть кредит практикуется в банковской практике десятилетиями, в экономической литературе до сих пор отсутствуют единые подходы к определению понятия кредитоспособности, а методы ее оценки никак не регулируются законодательно.   Степень разработанности проблемыАнализ методических подходов к оценке кредитоспособности заемщика [3–10], их достоинств и недостатков позволяет выделить критериальный и интегральный подходы. Критериальный подход представлен правилом «шести СИ», методиками CAMPARI, PARTS и др. Их отличительная особенность – отсутствие синтетического показателя, шкал оценки и базы сравнения, что затрудняет интерпретацию полученных результатов. Чаще применяется интегральный подход, однако преодолеть свойственные для него ограничения (субъективность отбора факторов модели, недостаточная комплексность и системность из-за неполного их количества в модели, компенсация дефицита одних факторов избыточностью других и т. д.) пока не удается. Как правило, анализируются такие показатели, как общий анализ ликвидности, оборачиваемости, прибыльности, финансовой устойчивости, вероятности банкротства по моделям, применяются пятифакторная модель Альтмана, методика кредитного скоринга Д. Дюрана, пятифакторная модель Р. С. Сайфулина и Г. Г. Кадыкова и др. Интегральный подход представлен методиками оценки кредитоспособности Центрального банка РФ и ряда коммерческих банков, а также методиками, построенными с помощью мультипликативного дискриминантного анализа. Недостаточная комплексность анализа, базирующегося в первую очередь на расчете финансовых показателей компании-заемщика, приводит к ошибкам. Среди них наиболее распространены следующие:– убеждение, что чем выше ликвидность активов предприятия, тем более кредитоспособен клиент;– игнорирование репутации заемщика;– игнорирование общих экономических условий;– анализ только финансовых показателей без учета фактических обстоятельств, в частности выяснения истинных намерений учредителей по данной задолженности [11].  Смешанная комплексно-индивидуальная модельОбобщение теоретического исследования и лучшего практического опыта анализа кредитоспособности корпоративных заемщиков приводит к целесообразности применения смешанной комплексно-индивидуальной модели, учитывающей оценку отраслевых и структурных показателей на основе профессионального экспертного заключения, существующие угрозы со стороны конкурентов или рынка (отдельно – фондового), прозрачность деятельности заемщика, заключения ведущих международных рейтинговых агентств. Благодаря такому подходу оценка величины кредитного риска становится гораздо точнее, т. к. можно спрогнозировать будущее положение заемщика на рынке, а также учесть специфику условий кредитования.Предлагаемая методика, обобщающая лучшие практики, является комплексной, т. е. показатели не равнозначны в рамках оценки кредитоспособности заемщика, а рассматриваются в комплексе – у каждого из них имеется свой вес, что делает оценку более точной и объективной.Для расчета величины итогового кредитного риска предлагается использовать взвешенную оценку по четырем моделям (рисунок). Результат каждой модели будет иметь свой вес в итоговой групповой оценке величины риска. С помощью данного анализа представляется возможным количественно оценить вероятность невыполнения заемщиком своих обязательств или просрочки в их исполнении перед банком.    Модели оценки уровня кредитных рисковModels for assessing the level of credit risks  Итоговый расчет уровня кредитного риска будет рассчитываться по формуле где wj – весовая доля модели в итоговой интегративной групповой модели; xj – оценка уровня кредитного риска в модели j.Итоговая групповая оценка уровня кредитного риска может принимать значения от 0 до 1. В зависимости от того, в какой интервал попадает значение Rкр, делается вывод об уровне кредитного риска заемщика и о дальнейшей возможности его кредитования:– значение от 0 до 0,3 свидетельствует о высоком уровне кредитного риска;– значение от 0,31 до 0,7 соответствует среднему уровню кредитного риска;– значение от 0,71 до 1 соответствует низким кредитным рискам.Модель оценки основных расчетных финансовых показателей базируется на оценке основных расчетных финансовых показателей заемщика и имеет вес в количестве 20 % в интегральной групповой оценке. Дифференцирован расчет для компаний, ведущих бухгалтерскую отчетность по Российским стандартам бухгалтерского учета (РСБУ) и по Международным стандартам финансовой отчетности (МСФО). Данное разделение необходимо, т. к. две указанные системы бухгалтерского учета имеют существенные различия, которые не позволяют оценивать показатели, полученные по разным данным, одинаково.  Показатели на основе РСБУ: – изменение выручки за последние 3 отчетных периода (вес в модели – 15 %). Если у компании присутствует положительная динамика размера выручки за последние 3 отчетных периода, а также прирост 10 % и более, то данный коэффициент принимает значение 1. Если при тех же условиях прирост выручки составляет от –10 до 10 %, то коэффициент принимает значение 0,5. В том случае, если динамика выручки отрицательная (более –10 %) или заемщик не получает выручки, то коэффициент принимает значение 0;– коэффициент автономии (вес в модели – 10 %). Если показатель принимает значение более 0,51, то в модель добавляется единичный коэффициент. Если же показатель находится в интервале от 0,31 до 0,5, то в модель добавляется коэффициент, равный 0,5. Если же показатель менее 0,3, то коэффициент в модель записывается с нулевым значением;– динамика изменения чистых активов за последние 3 отчетных периода (вес в модели – 15 %). Если заемщик имеет положительную динамику размера чистых активов, а прирост составляет более 10 %, то в модель записывается единичный коэффициент. Если прирост составляет от –10 до 10 %, то коэффициент принимает значение 0,5. Если же прирост отрицательный, то коэффициент равен 0;– показатели долговой нагрузки (вес в модели – 20 %). Выделяются два подхода: первый – расчет с использованием показателя DSCR (коэффициент покрытия долга, рассчитывается как отношение денежного потока, доступного для погашения долга, к сумме между процентами по кредиту в текущем периоде и запланированной выплате основной суммы долга); второй – TD / EBITDA (расшифровка значений изложена в табл. 1);– рентабельность продаж (вес в модели – 20 %). Если рентабельность продаж – более 10 %, то коэффициент принимает значение 1; если в интервале от 6 до 10 %, коэффициент – 0,75; если в интервале от 2 до 5 % – 0,5. При уровне рентабельности от 0 до 2 % коэффициент составит 0,25, при отрицательной – 0;– коэффициент текущей ликвидности (КТЛ) за текущий отчетный период (вес в модели – 10 %). Если он больше 1,5, то коэффициент принимает значение 1; в интервале от 1 до 1,5 – 0,5; менее 1 – 0;– изменение доли долгосрочного долга в общей величине долга за последние 3 отчетных периода (вес в модели – 10 %). При стабильно положительной динамике показателя (прирост 10 % и более) коэффициент модели принимается за единицу, при нестабильной (прирост в диапазоне от –10 до 10 %) – 0,5; при более выраженной отрицательной динамике – 0.Таблица 1Table 1Показатели долговой нагрузкиDebt burden indicatorsДиапазон принимаемых значенийЗначениекоэффициентаПри использовании DSCR≥ 1,211,05–1,20,5< 1,050При использовании Debt / EBITDA≤ 313–50,5< 50 Показатели на основе МСФО: – КТЛ за последний отчетный период (вес в модели – 10 %);– изменение выручки за последние 3 отчетных периода (вес в модели – 5 %);– соотношение совокупного объема долга и капитала за последний отчетный период (вес в модели – 15 %) (табл. 2);– усредненное значение маржи EBITDA за последние 3 отчетных периода (вес в модели – 15 %) (табл. 3);– соотношение совокупного долга и показателя EBITDA (вес в модели – 15 %) (табл. 4);– коэффициент автономии за последний отчетный период (вес в модели – 10 %); – коэффициент покрытия процентных расходов (вес в модели – 15 %) (табл. 5);– соотношение FCF (свободный денежный поток) и совокупного долга за последние 3 отчетных периода (вес в модели – 15 %) (табл. 6);– изменение капитализации за последние 3 отчетных периода (вес в модели – 5 %). При приросте не менее 10 % коэффициент модели принимается за единицу; при нестабильной динамике (от –10 до 10 %) – 0,5; при отрицательной (свыше –10 %) – 0. Таблица 2Table 2Соотношение объема долга и капиталаDebt to Equity RatioДиапазон принимаемых значений, %Значениекоэффициента˂ 20120–400,7540–600,560–800,25˃ 800Таблица 3Table 3Усредненное значение маржи EBITDAAverage EBITDA marginДиапазон принимаемых значений, %Значениекоэффициента˃ 15110–150,755–100,51–50,25˂ 10Таблица 4Table 4Соотношение совокупного долгаи показателя EBITDATotal debt to EBITDA ratioДиапазон принимаемых значений, %Значениекоэффициента˂ 1,511,5–30,753–4,50,54,5–60,25˃ 60Таблица 5Table 5Покрытие процентных расходовCoverage of interest expensesДиапазон принимаемых значений, %Значениекоэффициента˃ 815–80,753–50,51,5–30,25˂ 1,50Таблица 6Table 6Соотношение свободного денежного потокаи совокупного долгаRatio of free cash flow to total debtДиапазон принимаемых значений, %Значениекоэффициента˃ 15110–150,755–100,51–50,25˂ 10 Модель экспертной оценки уровня кредитных рисков на основе отраслевых и структурных показателей включает обязательный анализ отраслевых тенденций и положения компании на рынке и в отрасли, благодаря которым оценка величины кредитного риска становится гораздо точнее, т. к. можно спрогнозировать будущее положение заемщика на рынке, существование угроз со стороны конкурентов или рынка, степень прозрачности деятельности заемщика и ряд других показателей, которые будут перечислены далее (табл. 7).  Таблица 7Table 7Оценка отраслевых и структурных показателейAssessment of industry and structural indicatorsПоказательНаилучшее значение показателяНаихудшее значение показателяВесовая доля, %ГосподдержкаКонтроль более 50 % капиталаОтсутствует15Отраслевые/рыночные позицииБолее 80 % рынка (монопольные)Менее 5 % рынка (слабые)15Деловая репутацияВысокаяНизкая5Кредитная историяПоложительная, имелись пролонгации по объективным причинамИмелись существенные нарушения9Прозрачность структуры капиталаВысокая: все формы и справкипредоставлены, информация о структуре собственников раскрыта в полномобъеме–7Доступность данных о компанииВысокаяНизкая3Срок ведения активнойдеятельности в отраслиБолее 5 летМенее года4Качество финансового менеджментаВысокоеНизкое7 Окончание табл. 7Table cont’d 7ПоказательНаилучшее значение показателяНаихудшее значение показателяВесовая доля, %Степень диверсификациипродукцииВысокаяНизкая9Прогнозируемость перспективотраслиБолее чем на 5 летМенее чем на год4Конкуренция в отраслиНизкаяВысокая4Входные отраслевые барьерыВысокиеНизкие4Зависимость от конкретныхпоставщиков / групп поставщиковНезначительнаяПолная4Зависимость от конкретныхпокупателей / групп покупателейНезначительнаяПолная4Учет влияния группывзаимосвязанных компанийна деятельность заемщикаСущественная поддержкаРиск негативного влияния группы6  Показатели, рассматриваемые во второй модели, имеют диапазон значений от 1 до 0. Специалист-андеррайтер, оценивая благоприятность или нежелательность каждого показателя, выбирает значение коэффициента для каждого показателя в диапазоне от 0 до 1.В качестве примера рассмотрим содержание такой оценки (в рамках модели) на примере одного из крупнейших российских производителей тяжелых грузовых автомобилей (табл. 8).  Таблица 8Table 8Экспертная оценка отраслевых и структурных показателейExpert assessment of industry and structural indicatorsПоказательВес показателяв общей оценке, %ЗначениекоэффициентаКомментарийГосударственнаяподдержка15 0,75Компания на 47,1 % принадлежит госкорпорации. В 2020 г. включена в список системообразующих и стратегических предприятий. Активно пользуется поддержкой государстваОтраслевые/рыночные позиции15 0,75Компания много лет удерживает лидирующие позиции в отрасли. По результатам 11 мес. 2021 г. доля на российском грузовом рынке, по данным Autostat, составила 36,1 %. Доля основных конкурентов не превышала 10 %Деловая репутация5 0,5Согласно данным открытых источников, у компании хорошаяплатежная дисциплина, отсутствуют факты просрочек/дефолтов.В отношении бенефициаров не выявлено негативаКредитная историяорганизации9 1Кредитная история положительная, имелись пролонгации, просрочки/дефолты отсутствуют, компания пользуется поддержкой государства в области гарантий, субсидий и льготного кредитования. Ведет несколько крупных инвестиционных проектов в ВЭБе. Кредитный рейтинг подтвержден АКРА на уровне «A+» RUПрозрачностьструктуры капитала71Раскрыты все основные бенефициары, структура правления прозрачна. Компания имеет множество связанных и дочерних лиц, информация представлена в открытом доступеДоступность данныхо компании31Данные о холдинге и его деятельности имеют высокую доступность, большая часть данных представлена на официальном сайте и обновляетсяСрок ведения активной деятельности в отрасли41Более 20 летКачество финансового менеджмента70,5На данный момент структура финансового менеджмента находится в реформации. Из-за несовершенства организационной структуры качество управления холдинга находится на среднем уровне: отмечаются значительные временные разрывы между выявлением проблем и их решением, а также нехватка квалификации персонала, что оказывает значительное влияние на финансовую и экономическую безопасность предприятия, мешая своевременно отвечать на возникающие угрозы Окончание табл. 8Table cont’d 8ПоказательВес показателяв общей оценке, %ЗначениекоэффициентаКомментарийСтепеньдиверсификациипродукции91Основные секторы производства компании: грузовые автомобили, автобусы, прицепы, спецтехника, а также комплектующие. В разрезе по данным группам имеется широкий модельный ряд в каждой категории различных ценовых сегментов и качественныххарактеристик. Инновационные направления деятельности: развитие газомоторной техники, грузовых автомобилей повышенной комфортности, электробусов.В рамках грузовой техники основные сегменты: крупнотоннажные грузовики, седельные тягачи, бортовые автомобили и самосвалы. Таким образом, вертикальную диверсификацию можно оценить как среднююПрогнозируемостьперспектив отрасли40,5Прогнозируемость отрасли рационально оценивается на горизонте 3 лет. По результатам 2021 г. наблюдается рост продаж на 48 %. Положительные факторы: рост числа инфраструктурных проектов, реализация отложенного спроса, увеличение продаж по программам лизинга. Сдерживающие факторы: высокий рост цен и проблемы с поставками иностранных комплектующих, волатильность цен на нефть и курс доллара, рост таможенных пошлин и утилизационного сбора, ужесточение норм экологичности. Прогнозируются сделки M&AКонкуренция в отрасли40Доля, приходящаяся на каждого конкурента, не превышает 10 %в отраслиВходные отраслевые барьеры41Входные барьеры рынка в свете значительной капиталоемкости отрасли являются высокими. Для вхождения в отрасль требуются большие вложения в производственные фонды и НИОКР. Рынок имеет структурированную иерархию с узнаваемыми брендами. Конкуренция внутри отрасли высокаяЗависимостьот конкретныхпоставщиков/групп поставщиков40,5Закупка большого числа комплектующих у иностранных поставщиков. Зависимость от конкурентных поставщиков оценивается как средняяЗависимостьот конкретныхпокупателей/групп покупателей40Высокая зависимость от госзаказов, однако в целях диверсификации состава покупателей компания реализует через дилеров, широкий ряд розничной продукции, в том числе для аграрного и строительного секторовУчет влияния группы связанных компанийна деятельностьзаемщика60Очевидная сложная иерархическая структура, в которую включено множество связанных и дочерних предприятий, участвующихв различных этапах производственного и реализационного процесса, с разным уровнем финансового состояния. Отсюда достаточно высокая степень влияния компаний холдинга на его результаты  Модель, базирующаяся на анализе информации с фондового рынка, необходима для оценки средней вероятности дефолта заемщика (табл. 9). Таблица 9Table 9Анализ информации с фондового рынкаAnalysis of information from the stock marketСредняя вероятность дефолта по фондовому рынку, %Оценка по модели˂ 0,500,5–8,50,28,5–16,50,416,5–24,50,624,5–32,50,8˃ 32,51Модель, базирующаяся на оценке заемщика с помощью международных рейтинговых агентств. В качестве источников информации выступает тройка рейтинговых агентств: S&P, Moody’s, Fitch Ratings (табл. 10).Таблица 10Table 10Оценка международных рейтинговых агентствAssessment by international rating agenciesПрисуждаемый рейтингОценка по моделиССС/Саа2 и ниже0От ССС/Саа2 до В–/В30,2От В–/В3 до В+/В10,4От В+/В1 до ВВ/Ва20,6От В+/Ва2 до ВВВ–/Ваа3 0,8Выше ВВВ–/Ваа31Согласно результатам формирования указанных четырех моделей рассчитывается интегральная групповая оценка, благодаря которой определяется уровень кредитных рисков заемщика. Заключение Обобщая сказанное, следует подчеркнуть, что центральной задачей устойчивости банковской системы и поступательного развития кредитования реального сектора российской экономики является минимизация системных кредитных банковских рисков. Ее решение лежит как в области макропруденциальных мер, так и в сфере деятельности кредитных организаций, оценивающих степень кредитоспособности заемщиков. Основываясь на научных исследованиях в данной области, а также лучших практиках банков, предложена смешанная комплексно-индивидуальная модель, учитывающая совокупность как формальных, так и неформальных показателей, которая делает возможной количественную и качественную оценку вероятности невыполнения заемщиком своих кредитных обязательств. Практическая значимость статьи состоит в возможности применения полученных результатов в деятельности банков, что не снижает значимости дальнейших исследований в этой сфере.