«Финансы и кредит»
 

Реферирование и индексирование

Russian Science Citation Index
Referativny Zhurnal VINITI RAS
Worldcat
LCCN Permalink
Google Scholar

Электронные версии в PDF

EBSCOhost
Eastview
Elibrary
Biblioclub

Модельные подходы к стресс-тестированию банков и банковской системы: современные тенденции и возможности совершенствования

Журнал «Финансы и кредит»
т. 23, вып. 8, февраль 2017

Получена: 22.12.2016

Получена в доработанном виде: 11.01.2017

Одобрена: 25.01.2017

Доступна онлайн: 01.03.2017

Рубрика: Банковская деятельность

Страницы: 430-449

https://doi.org/10.24891/fc.23.8.430

Селютин В.В. кандидат физико-математических наук, заведующий лабораторией, Институт математики, механики и компьютерных наук им. И.И. Воровича Южного федерального университета, Ростов-на-Дону, Российская Федерация vvs1812@gmail.com

Власенко Е.А. руководитель аналитической компании «Статзилла», Ростов-на-Дону, Российская Федерация ea.vlasenko@yandex.ru

Месропян К.Э. кандидат экономических наук, научный сотрудник отдела научно-исследовательских работ и прикладных исследований, Южный научный центр РАН, Ростов-на-Дону, Российская Федерация carine@list.ru

Предмет. Устойчивость банковской системы к неблагоприятным процессам и событиям, влияющим на финансовое положение, является важнейшим условием экономической безопасности. Одной из проблем поддержания устойчивости выступает отсутствие ее однозначных объективных характеристик. Наиболее простым способом банковского риск-менеджмента является применение абсолютных и относительных нормативов, использующих группировки балансовых и внебалансовых статей. В банковскую практику в последние 10–15 лет вошел и такой инструмент, как стресс-тестирование. Новый импульс исследованиям и разработкам в области стресс-тестирования был дан мировым финансовым кризисом 2008–2009 гг., так как его последствия оказались серьезнее, чем ожидалось. Кроме того, крупнейшим российским банкам удалось сохранить платежеспособность в кризис только благодаря беспрецедентным мерам государственной поддержки. Таким образом, развитие и совершенствование подходов к стресс-тестированию весьма актуально.
Цели. Комплексный обзор существующих практик и достижений в области моделей стресс-тестирования.
Методология. Литературный обзор, сравнительный анализ, дифференциальные уравнения.
Результаты. Подходы к стресс-тестированию были рассмотрены в разрезе различных аспектов, таких как: сценарии, объекты (уровни), системность, направление тестирования, горизонт прогноза, целевые показатели в модели, размер финансовых институтов, виды моделируемых рисков.
Выводы. Вопросам моделирования рисков ликвидности уделялось недостаточно внимания. В частности, недостатком существующих моделей является недоучет эффектов, связанных с временной структурой активов и пассивов. Представлен оригинальный подход к построению динамической модели банка с учетом временн?й структуры, которая может быть использована для оптимизации управления активами и пассивами и в целях стресс-тестирования.

Ключевые слова: стресс-тестирование, риск-менеджмент, математическое моделирование, банки, Базель III

Список литературы:

  1. Фаттахова Р.Х. Оценка соответствия Российского стандарта качества управления риском ликвидности в кредитных организациях Базельским принципам // Науковедение. 2013. № 5. URL: http://naukovedenie.ru/PDF/85evn513.pdf.
  2. Borio C., Drehmann M., Tsatsaronis K. Stress-testing macro stress testing: does it live up to expectations? URL: http://www.bis.org/publ/work369.pdf.
  3. Melecky M., Podpiera A.M. Macroprudential Stress-Testing Practices of Central Banks in Central and Southeastern Europe: Comparison and Challenges Ahead. Emerging Markets Finance and Trade, 2012, vol. 48, no. 4, pp. 118–134.
  4. Hu D., Yan J., Zhao J.L., Hua Z. Ontology-based scenario modeling and analysis for bank stress testing. Decision Support Systems, 2014, vol. 63, pp. 81–94. doi: 10.1016/j.dss.2013.08.009
  5. Vazquez F., Tabak B.M., Souto M. A macro stress test model of credit risk for the Brazilian banking sector. Journal of Financial Stability, 2012, vol. 8, iss. 2, pp. 69–83.
  6. Jokivuolle E., Viren M. Cyclical default and recovery in stress testing loan losses. Journal of Financial Stability, 2013, vol. 9, pp. 139–149.
  7. Berger A.N., Bouwman C.H., Kick T., Schaeck K. Bank liquidity creation following regulatory interventions and capital support. Journal of Financial Intermediation, 2016, vol. 26, pp. 115–141.
  8. Taleb N., Canetti E., Kinda T. et al. A new heuristic measure of fragility and tail risks: application to stress testing. IMF Working Paper, 2012. URL: https://www.imf.org/external/pubs/ft/wp/2012/wp12216.pdf.
  9. Levy-Carciente S., Kenett D.Y., Avakian A. et al. Dynamical macroprudential stress testing using network theory. Journal of Banking & Finance, 2015, vol. 59, pp. 164–181. doi: 10.1016/j.jbankfin.2015.05.008
  10. Stancato de Souza S., Silva T.C., Tabak B.M. et al. Evaluating systemic risk using bank default probabilities in financial networks. Journal of Economic Dynamics & Control, 2016, vol. 66, pp. 54–75.
  11. Battiston S., Puliga M., Kaushik R. et al. DebtRank: Too Central to Fail? Financial Networks, the FED and Systemic Risk. Scientific Reports, 2012, vol. 2, p. 541. doi: 10.1038/srep00541
  12. Hirtle B., Kovner A., Vickery J. et al. Assessing Financial Stability: The Capital and Loss Assessment under Stress Scenarios (CLASS) model. Federal Reserve Bank of New York Staff Reports, 2014, no. 663, 95 p. URL: https://www.newyorkfed.org/medialibrary/media/research/staff_reports/sr663.pdf.
  13. Leo de Haan, Jan Willem van den End. Bank liquidity, the maturity ladder, and regulation. Journal of Banking & Finance, 2013, vol. 37(10), pp. 3930–3950.
  14. Chiaramonte L., Casu B. Capital and liquidity ratios and financial distress. Evidence from the European banking industry. The British Accounting Review, 2016, pp. 1–24. doi: 10.1016/j.bar.2016.04.001
  15. DeYoung R., Jang K.Y. Do banks actively manage their liquidity? Journal of Banking & Finance, 2016, vol. 66, no. 5, pp. 143–161.
  16. Singh A., Sharma A.K. An empirical analysis of macroeconomic and bank-specific factors affecting liquidity of Indian banks. Future Business Journal, 2016, vol. 2, iss. 1, pp. 40–53.
  17. Chen T.-H., Chou H.-H., Chang Y., Fang H. The effect of excess lending on bank liquidity: Evidence from China. International Review of Economics and Finance, 2015, vol. 36, pp. 54–68.
  18. Buncic D., Melecky M. Macroprudential stress testing of credit risk: a practical approach for policy makers. Journal of Financial Stability, 2013, vol. 9, iss. 3, pp. 347–370.
  19. Imbierowicz B., Rauch C. The relationship between liquidity risk and credit risk in banks. Journal of Banking & Finance, 2014, vol. 40, pp. 242–256.
  20. Berger A.N., Bouwman C.H.S. Bank Liquidity Creation, Monetary Policy, and Financial Crises. Review of Financial Studies, 2009, vol. 22, pp. 3779–3837.
  21. Roy A.D. Safety first and the holding of assets. Econometrica, 1952, vol. 20, no. 3, pp. 431–449.
  22. Drehnmann M., Sorensen S., Stringa M. The integrated impact of credit and interest risk on banks: A dynamic framework and stress testing application. Journal of Banking & Finance, 2010, vol. 34, pp. 713–729.
  23. Chacko G., Das S., Fan R. An index-based measure of liquidity. Journal of Banking & Finance, 2016, vol. 68, pp. 162–178.
  24. Basel III: The Liquidity Coverage Ratio and Liquidity Risk Monitoring Tools. Basel Committee on Banking Supervision, Bank for International Settlements, 2013, 75 p. URL: http://www.bis.org/publ/bcbs238.pdf.
  25. Jobst A.A. Measuring systemic risk-adjusted liquidity (SRL) – A model approach. Journal of Banking & Finance, 2014, vol. 45, pp. 270–287.
  26. Tissaoui K., Ftiti Z. Liquidity, liquidity risk, and information flow: Lessons from an emerging market. Research in International Business and Finance, 2016, vol. 37, pp. 28–48.
  27. Lang M., Schmidt P.G. The early warnings of banking crises: Interaction of broad liquidity and demand deposits. Journal of International Money and Finance, 2016, vol. 61, iss. C, pp. 1–29.
  28. Horvath R., Seidler J., Weill L. How bank competition influences liquidity creation. Economic Modelling, 2016, vol. 52, pp. 155–161.
  29. Selyutin V.V., Rudenko M.A. Mathematical Model of Banking Firm as Tool for Analysis, Management and Learning. Informational Technologies in Education, 2013, vol. 16, pp. 170–177. URL: http://ceur-ws.org/Vol-1000/ICTERI-2013-p-401-408-ITER.pdf.
  30. Селютин В.В., Харужная М.А. Математическое моделирование банка как динамической системы // Вестник Южного научного центра РАН. 2015. Т. 11. № 3. С. 3–10.

Посмотреть другие статьи номера »

 

ISSN 2311-8709 (Online)
ISSN 2071-4688 (Print)

Свежий номер журнала

т. 23, вып. 42, ноябрь 2017

Другие номера журнала