Предсказание дефолта облигаций, используя проспект эмиссии
жүктеу/скачать 1.5 Mb.
|
- Бұл бет үшін навигация:
- Оглавление
- Abstract.
- Введение.
- Обзор теоретических работ.
|
Национальный исследовательский университет - Высшая школа экономики Международный Институт Экономики и Финансов
на тему: Предсказание дефолта облигаций, используя проспект эмиссии. Студент 4 курса, 3 группы Мустяца Игорь Игоревич Научный руководитель Преподаватель МИЭФ Ведерников Сергей Михайлович
ОглавлениеОглавление 2 Abstract. 3 Введение. 4 Обзор теоретических работ. 5 Данные и переменные. 12 Выбор и описание переменных. 13 Методы построения моделей и оценки их качества. 19 Построение моделей. 23 Результаты и заключение. 47 Приложение. 53 Abstract.There exist a lot of different works that refer to the problem of evaluating the probability of corporate default? And the list of these works is constantly replenishes. A lot of new researches are based on such fundamental works as Altman’s Z-score (1968) or Merton’s model (1974). However, the aim of this paper is to explore the possibility to predict not corporate default, but bond default, by prospectus. This paper is based on plenty of different previous studies; some of them are described in the first section. Further, there are variables and data description. Further, there is some theoretical framework: description of logit-analysis, which is implemented in this work. Also, there is a review of leave-one-out Cross-Validation method and the description of ROC-curve construction and calculation of Area Under Curve, that are used for models’ quality evaluation. After that there is description of procedures of estimation of 9 different models of prediction of bond default. Not all models are valid to predict bond default. However, valid models provide similar results reflecting the relationship between some variables and the probability of default. Such variables as Retaining Earnings/Total Assets, Profit before tax/Current Liabilities, some parameters of coupon are found to be beneficial for predicting bond default. Введение.На тему предсказания дефолтов написано множество работ. Большинство из них посвящено предсказанию корпоративных дефолтов. Существующие работы предлагают большое количество различных моделей для оценки вероятности дефолта (Z-статистика Альтмана, D-статистика Блюмса, КМВ-Мертоновская модель). Данная работа описывает исследование в более узком направлении: предсказание дефолта корпоративных облигаций. Целью данной работы исследование возможности прогнозирования дефолта облигаций, используя проспект эмиссии, а также выявление факторов, значимых для предсказания дефолта. Объектом исследования работы являются российские корпоративные облигации нефинансовых компаний. Работа построена следующим образом. В первой части приводится обзор нескольких написанных ранее теоретических статей, на которые опирается данная работа. Далее приводится описание выбранных данных и переменных, которые проверяются на значимость и используются для построения модели. После этого следует описание теоретической базы, на основе которой строятся модели в данной работе, а также описание методов оценки качества моделей. После чего приводится описание методик построения моделей, непосредственное построение моделей и оценка их качества. В данной работе подробно рассматривается построение 9 различных моделей для оценки вероятности дефолта облигаций. В результате работы выявлена значимость таких факторов, как отношение нераспределенной прибыли к активам компании, отношение прибыли до налогообложения к краткосрочным обязательствам, некоторых параметров купона облигации и параметров денежных потоков компании, для прогнозирования дефолта облигации на горизонте 3 года. Кроме того, построено несколько моделей, обладающих достаточно хорошей предсказательной способностью.
Данное исследование основано на нескольких более ранних работах в области предсказания дефолтов. Эта проблема известна достаточно давно, и базовой работой в этом направлении можно считать статью Э. Альтмана “Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy” 1. В своей работе Альтман отказался от традиционного анализа финансовых показателей в пользу метода MDA. Данный статистический метод позволяет отнести каждую переменную к заранее определенной группе, таким образом классифицируя их по определенным параметрам. Эта модель относится к скоринговым моделям, тому типу модели, которая будет построена в данной работе. Данные Альтман подбирал следующим образом. В изначальной выборке было 66 корпораций, по 33 фирмы в каждой из двух групп. В первой группе были компании, обанкротившиеся в период с 1946 по 1965 год. Во второй — компании, продолжавшие свою деятельность в 1966 году. После того, как группы были сформированы, были проанализированы их бухгалтерские отчетности, и выбраны 22 переменные, которые потенциально были значимыми при предсказании банкротства компании. В конечном итоге 5 из этих 22 переменных были включены в модель, которая приняла следующий вид:
Эти показатели были включены в список используемых в данной работе. В 1977 году Альтман, Хальдеман и Нараянан опубликовали статью “ZETA Analysis: A New Model to Identify Bankruptcy Risk of Corporations”, в которой описали разработанную ими скоринговую модель второго поколения (Зета-модель), которая была усовершенствованной версией модели Альтмана 1968 года. Одной из основных причин для разработки новой модели явилось то, что значительно изменился размер фирм, подвергавшихся процедуре банкротства. На этот раз выборка состояла из 53 обанкротившихся компаний и 58 не обанкротившихся компаний на временном промежутке 1969-1975гг. Также модель теперь учитывала структуру компаний. В конечном варианте, было выделено 7 наиболее значимых показателей:
В итоге, модель, использовавшая данные предыдущего года для подсчета вероятности дефолта оказалась на 96.2% точной для дефолтных компаний (что оказалось достаточно близким значением к аналогичному показателю модели Альтмана — 93.9%) и на 89.7% точной для недефолтных компаний. В то же время, на пятилетнем отрезке точность Зета-модели падала до 70%, тогда как модель Альтмана была точна только на 36%. Еще одной скоринговой моделью, на которую опирается данная работа, является методика предсказания банкротства фирм, описанная в статье М. Блюмса2 Автор данной статьи разрабатывает концептуальную модель, в которой представляет вероятность банкротства как функцию от ликвидности, прибыльности и текущего благосостояния фирмы. Для своего исследования М. Блюмс отобрал все американские компании, которые в ноябре 2003 года имели активы на сумму от 50 до 500 млн. долл., из которых для конечной выборки было случайным образом выбрано 850 компаний. Кроме того, были исключены финансовые компании, так как они имеют другую финансовую структуру. В конечном итоге была разработана модель, которая имеет следующий вид: D=- 4.9 - 2.11 X1 + 0.0006 X2 - 1.73 X3- 0.016 X4 - 0.005 X5 + 5.86 X6, где:
Данная модель определила как проблемные 90% действительно проблемных компаний и, соответственно, не выявила 10% проблемных компаний. Модель также определила 71% не проблемных компаний как не проблемные и 29% не проблемных компаний как проблемные. Еще одним типом моделей, предсказывающих вероятность дефолта, являются структурные модели. Основной работой в этом направлении является КМВ-Мертоновская модель предсказания дефолта. Данная модель определяет вероятность дефолта для каждой компании в выборке в каждый момент времени. Она основана на статье Роберта Мертона3, в которой он предложил свою модель определения цены облигации фирмы. В своей модели Мертон использует уравнение Блэка-Шоулза для определения цены акции, а также отношение волатильности стоимости фирмы к волатильности ее акции. Наиболее значимыми переменными в этой модели являются, соответственно, рыночная стоимость акции, величина долга и волатильность акций. При падении цены акции вероятность дефолта возрастает. Еще одной моделью предсказания дефолтов является модель, разработанная аналитиками рейтингового агентства Moody's4. При разработке этой модели изначальный пробит-анализ 43 фундаментальных показателей свелся к тому, что были отобраны 6 из них, которые считаются наиболее значимыми в этой модели:
Данная модель рассчитана на предсказание дефолта больших нефинансовых компаний на однолетнем горизонте. В 1999-2003 годах точность данной модели колебалась от 72.4% до 87.8%. Модель, разработанная совместно Эдвардом Альтманом и Габриэлем Сабато описана в статье “Modeling Credit Risk for SMEs: Evidence from the US Market” 2005 года. Авторы использовали логит-анализ на данных 2,000 американских компаний с продажами меньше $65 млн. в период с 1994 по 2002 год. Данные также включали в себя 120 дефолтных компаний. Данная модель выделяет 5 финансовых показателей, являющихся значимыми для определения вероятности дефолта:
Кроме того, эта модель на 30% более точна в предсказании дефолта, чем разработанная ранее скоринговая модель Альтмана. В апреле 2003 года была опубликована статья Эвелины Хейден5. В данной статье ставилась цель составить рейтинговые системы, основанные на различных определениях дефолтов и данных по австрийским компаниям. В статье рассматриваются определения дефолтов и определяется временной промежуток рассматриваемых данных. Изначально данные включали в себя 230,000 годовых наблюдений по различным фирмам в период с 1975 по 2000 годы, но позднее из-за различного рода ошибок объем данных пришлось уменьшить до 199,000. Методология данного исследования использовала логит-анализ данных. Из начального набора из 66 различных показателей были выбраны 9 наиболее значимых, которые в итоге и вошли в финальную модель:
В статье 2009 года “Using Structural Models for Default Prediction” автор - Гуннар Грасс - предлагает новую процедуру вывода вероятности дефолта используя скоринговые модели, основанную на анализе кредитных спредов в мертоновской модели структуры капитала. Кроме того, в данной статье автор сравнивает предсказанные параметры дефолта с частотой дефолта, определенной по мертоновской модели расстояния до дефолта. Грасс приходит к выводу, что для стабильных фирм его оценки имеют более высокие значения по сравнению с мертоновской моделью, а для фирм с большим долгом и высокой волатильностью активов – более низкие. Авторы статьи “A Market-Based Framework for Bankruptcy Prediction” (2004) Александр Рейз и Клаудиа Перлих попытались оценить вероятность банкротства 5,784 промышленных фирм в период с 1988 по 2002 годы с помощью модели, в которой акция рассматривается как барьерный опцион на активы фирмы. Вероятности, определенные с помощью этой модели, оказались более точными в сравнении с результатами модели Блэк-Шоулза, моделью Мертона и моделью KMV. Кроме того, авторы сделали вывод о том, что скоринговые модели, основанные на бухгалтерских показателях, более точны в предсказании дефолта, чем структурные модели. В работе “Comparing Models of Corporate Bankruptcy Prediction: Distance to Default vs. Z-Score.” (2009) Уоррен Миллер сравнивает две модели предсказания дефолта компании: скоринговую модель Альтмана и разработанную агентством Morningstar модель, основанную на моделях Блэка-Шоулза и Мертона. Модель расстояния до дефолта менее интуитивна, чем скоринговая модель Альтмана и основана на предположении, что акции компании – это опционы на ее активы. Дефолт компании происходит, когда рыночная стоимость активов компании меньше стоимость ее обязательств. Таким образом, модель расстояния до дефолта представляет вероятность дефолта как функцию от разницы между стоимостью активов компании и величиной обязательств. Автор приходит к выводу, что модель расстояния до дефолта лучше определяет вероятность дефолта, чем скоринговая модель Альтмана, особенно, когда вероятность дефолта высока. Несмотря на это, обе модели имеют достаточно значимую величину ошибки первого рода, классифицируя компании, которые не испытывают дефолт как потенциально опасные. В статье “Introducing the Morningstar Solvency Score, A Bankruptcy Prediction Metric” (2009) Уоррен Миллер описывает разработанную агентством Morningstar модель предсказания дефолта, основанную на платежеспособности фирмы, и сравнивает ее с моделью расстояния до дефолта и скоринговой моделью Альтмана. Модель платежеспособности использует четыре параметра: процентные значения долгового рычага фирмы, отношения EBITDA/Проценты к уплате, отношения оборотных активов к краткосрочным обязательствам и доходности инвестированного капитала. Автор делает вывод, что модели платежеспособности и расстояния до дефолта лучше предсказывают дефолт, чем скоринговая модель Альтмана. Кроме того, Миллер акцентирует внимание на том, что комбинация этих двух моделей, возможно, даст еще более сильный в плане предсказания дефолта индикатор. В статье “Default Prediction Model for SME’s: Evidence from Indonesian Market Using Financial Ratios” авторы – Б. Эрманто и С. Гунавиджайа - описывают результаты построенных ими моделей для предсказания дефолта малых и средних предприятий на примере индонезийского рынка. Авторы используют логит- и пробит-анализ для построения моделей дефолтов, используя в качестве переменных финансовые соотношения 1,845 компаний за 2005-2007 годы. В финальную модель вошли только три показателя:
В статье 2006 года “Predicting Probability of Default of Indian Corporate Bonds: Logistic and Z-score Model Approaches” (Journal of Risk Finance, 22 июня, 2006) автор – Бандйопадхйай Ариндам – попытался разработать для предсказания дефолта индийских корпоративных облигаций. Целью этой работы было дать возможность банкам и другим финансовым институтам оценивать вероятность дефолта индийских компаний, используя их финансовые показатели. По мнению автора, показатели, включенные в модель предсказания дефолта, должны отражать как свойства денежных потоков фирмы, так и ее долговые обязательства, и изменение стоимости активов фирмы. Автор переопределил классическую модель Альтмана для индийских компаний. В своем исследовании Бандйопадхйай Ариндам рассмотрел 542 индийские компании, выпустившие облигации в период с 1998 по 2004 годы, и случайным образом выбрал из них 52 дефолтные и 52 недефолтные компании. Кроме финансовых показателей автор в своем исследовании использует такие параметры как возраст компании, совместное владение, наличие сертификата качества ISO, переменные отрасли. Проведя логит-анализ, автор выделяет следующие значимые для определения дефолта облигаций переменные:
Кроме того, автор утверждает, что фиктивная переменная наличия сертификата ISO имеет обратную связь с вероятностью дефолта. А также фиктивные переменные отрасли, к которой принадлежит фирма, имеют коэффициенты, отличные от 0, что говорит о присутствии связи между отраслью и вероятностью дефолта облигаций. жүктеу/скачать 1.5 Mb. Достарыңызбен бөлісу:
|
;