+7 (925) 966 4690
ИД «Финансы и кредит»

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Экономический анализ: теория и практика»
 

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
Google Scholar

Электронные версии в PDF

EBSCOhost
Eastview
Elibrary
Biblioclub

Управление риском вероятности дефолта субъектов Российской Федерации

т. 15, вып. 4, апрель 2016

PDF  PDF-версия статьи

Получена: 30.07.2015

Получена в доработанном виде: 30.11.2015

Одобрена: 01.02.2016

Доступна онлайн: 27.04.2016

Рубрика: МАТЕМАТИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ

Страницы: 179-188

Мицель А.А. доктор технических наук, профессор кафедры высшей математики и математической физики, Национальный исследовательский Томский политехнический университет; профессор кафедры АСУ, Томский государственный университет систем управления и радиоэлектроники, Томск, Российская Федерация 
maa@asu.tusur.ru

Герман А.В. студентка магистратуры физико-технического института, Национальный исследовательский Томский политехнический университет, Томск, Российская Федерация 
Anuto4ka70@yandex.ru

Предмет и тема. В настоящее время получение кредитного рейтинга не является проблемой. Но при том, что затраты на такого рода процедуру достаточно высокие и не всегда оправданы, существует потребность у органов власти в оценке предполагаемого уровня рейтинга до того, как им придется оплачивать услуги агентств и в случае определения низкого уровня рейтинга иметь возможность управлять им. В качестве предмета исследования в работе выделялся кредитный рейтинг субъекта РФ. Тема работы – управление риском вероятности дефолта субъектов Российской Федерации.
Цели. Целью работы была разработка модели управления вероятностью риска дефолта субъектов Российской Федерации. В результате проделанной работы, в статье предложена модель управления вероятностью риска дефолта субъектов Российской Федерации.
Методология. Данная модель основана на квадратичном критерии качества и линейном законе управления.
Результаты. Модель разработана таким образом, что ее применение возможно не только для субъектов с уже присвоенным рейтингом, но и для тех субъектов Российской Федерации, которые еще не имеют рейтинга, присвоенного одним из ведущих рейтинговых агентств (Standard & Poor's, Fitch Ratings и Moody's). Это стало возможным за счет выделения единых показателей для расчета вероятности риска дефолта для всех субъектов Российской Федерации. Разработанный алгоритм был применен к Томской области.
Выводы. Выявлено, что для получения необходимой вероятности к заданному периоду необходимо последовательно увеличивать некоторые показатели (отношение прямого долга к собственным доходам, отношение государственного долга к валовому региональному продукту, отношение расходов на государственный долг к расходам бюджета, отношение заемных средств к доходам) и уменьшать отношение условного долга к собственным доходам, долю собственных доходов в доходах бюджета, отношение дефицита бюджета к собственным доходам, отношение расходов на обслуживание долга к собственным доходам.

Ключевые слова: кредитные рейтинги, субъект Российской Федерации, управление риском вероятности дефолта

Список литературы:

  1. Цаллагова Л.М. Рейтинговая оценка муниципальных образований региона // Управление экономическими системами. 2013. № 7. URL: Link.
  2. Истомин Н.А., Мицель А.А. Оценка справедливой доходности облигационного выпуска на основе структуры безрисковых ставок // Управление риском. 2008. № 4. С. 41–46.
  3. Карминский А.М., Пересецкий А.А., Головань С.В., Малахова И.В., Миненкова Е.С. Модели рейтингов международных агентств. М.: Российская экономическая школа, 2007. 59 с.
  4. Аверин А.Ю. Модель рейтинговой оценки регионов на основе социально-экономического потенциала // Известия ПГПУ им. В.Г. Белинского. 2012. № 28. С. 176–178.
  5. Аниховский А.Л. Кредитный рейтинг: основные элементы и классификация // Деньги и кредит. 2009. № 3. С. 30–34.
  6. Cantor R., Packer F. Determinants and Impact of Sovereign Credit Ratings // FRBNY Economic Policy Review. 1996. October. P. 37–54.
  7. Kramin M.V., Safiullin L.N., Kramin T.V., Timiryasova A.V. Drivers of Economic Growth and Investment Attractiveness of Russian Regions // Life Science Journal. 2014. Vol. 11(6s). P. 526–530.
  8. Bennell J.A., Crabbe D., Thomas S., Gwilym O. Modelling Sovereign Credit Ratings: Neural networks versus ordered probit // Expert Systems with Applications. 2006. Vol. 30. Iss. 3. P. 415–425.
  9. Linden F., McNamara G., Vaaler P. Idiosyncratic region and rater effects on sovereign credit ratings. A paper submitted for presentation in the International Management Division of the Academy of Management Annual Meeting in San Diego, California, USA, 1998. August.
  10. Кротов В.Ф., Лагоша Б.А., Лобанов С.М., Данилов Н.И., Сергеев С.И. Основы теории оптимального управления. М.: Высшая школа, 1990. 430 с.
  11. Athans M. The Matrix Minimum Principle // Information and Control. 1967. Vol. 11. P. 592–606.
  12. Мицель А.А., Красненко Н.П. Динамическая модель управления инвестиционным портфелем с линейным критерием качества // Доклады Томского государственного университета систем управления и радиоэлектроники. 2014. № 4. С. 176–182.
  13. Рекундаль О.И., Мицель А.А., Золтоев А.Б. Динамическая модель управления инвестиционным портфелем пенсионных накоплений // Современные проблемы науки и образования. 2015. № 1. Ч. 1. URL: Link
  14. Keenan S., Hamilton D., Berthault A. Historical Default Rates of Corporate Bonds Issuers, 1920–1999. Moody's Investors Service, 2000. URL: Link.
  15. Verde N., Needham C. Fitch Ratings Global Corporate Finance 2009 Transition and Default Study, 2010. URL: Link.

Посмотреть другие статьи номера »

 

ISSN 2311-8725 (Online)
ISSN 2073-039X (Print)

Свежий номер журнала

т. 21, вып. 9, сентябрь 2022

Другие номера журнала