🔧На сайте запланированы технические работы
25.12.2025 в промежутке с 18:00 до 21:00 по Московскому времени (GMT+3) на сайте будут проводиться плановые технические работы. Возможны перебои с доступом к сайту. Приносим извинения за временные неудобства. Благодарим за понимание!
🔧Site maintenance is scheduled.
Scheduled maintenance will be performed on the site from 6:00 PM to 9:00 PM Moscow time (GMT+3) on December 25, 2025. Site access may be interrupted. We apologize for the inconvenience. Thank you for your understanding!

 

Операционализация теории прогнозирования дефолта: концептуальная модель

Обложка

Цитировать

Полный текст

Аннотация

Предметом исследования являются модели, оценивающие риск дефолта компании и, наоборот, ее финансового здоровья. В статье формируется четкое концептуальное понимание явления «дефолта», которое вызывает финансовые трудности компании: как они начинаются, развиваются и обостряются для анализа и прогнозирования будущей плохой деятельности заемщика и оценки возможности (риска) его неспособности выполнять свои обязательства в срок. Основная задача исследования заключается в разработке модели количественной оценки вероятности наступления дефолта в рамках согласованной вероятностной структуры (модель Байеса), где факторы идосинкратического риска — оцениваемые с использованием мягкой информации и человеческих навыков — являются основополагающими для понимания. Финансовое здоровье компании зависит от поддержания равновесия между ее спросом на кредит и предложением на рынке кредита.    Основной вклад данного исследования заключается в разработке теории финансового здоровья компании, основанной на поддержании равновесия в финансовых системах, характеризующихся длительным эффектом манипуляции ожиданиями в динамических агентских настройках с обучением и неопределенностью, а также с взаимозависимыми системами вознаграждения принципалов и агентов. В рамках согласованной вероятностной структуры — байесовской интерпретации — вторым вкладом является разработка модели, способной вычислять вероятность дефолта и устанавливать диапазоны равновесных процентных ставок, в пределах которых контрактные полномочия и конкурентные силы операторов находят точки соприкосновения в зависимости от предсказуемой производительности компании (вариабельность факторов денежного потока), изменений в ее финансовой структуре (интенсивность левериджа, структура сроков погашения долга) и предсказуемых тенденций условий предложения кредита (кривые ставок, конкуренция, доступность информации, аналитические инструменты и т.д.) Инструменты измерения кредитного риска и операторы, которые их используют, должны сделать шаг назад для того чтобы двигаться вперед, вновь и вновь овладевая техническими аспектами фундаментального анализа.

Об авторах

Илья Михайлович Макаров

Московский финансово-юридический университет; КА «ЭксЛедж»

Email: ilya_mac@mail.ru
магистр; кафедра экономики и финансов; Адвокат;

Список литературы

  1. Abinzano I., Martinez B., Poletti-Hughes J. Women in power with power: The influence of meaningful board representation on default risk // International Review of Financial Analysis. – 2023. – No 89. – C. 102771.
  2. Becker B., Ivashina V. Cyclicality of credit supply: Firm level evidence // Journal of Monetary Economics. – 2014. – No 62. – C. 76–93.
  3. Bouteille S., Coogan-Pushner D. The handbook of credit risk management: originating, assessing, and managing credit exposures. – John Wiley & Sons, 2021.
  4. Brown J. R., Gustafson M. T., Ivanov I. T. Weathering cash flow shocks // The Journal of Finance. –2021. – Vol. 76. – No 4. – Pp. 1731–1772.
  5. Burden R. L., Faires J. D., Burden A. M. Numerical analysis. – Cengage learning, 2015.
  6. Chodorow-Reich G., Falato A. The loan covenant channel: How bank health transmits to the real economy // The Journal of Finance. – 2022. – Vol. 77. – No 1. – Pp. 85–128.
  7. DeMarzo P. M., He Z. Leverage dynamics without commitment // The Journal of Finance. – 2021. – Vol. 76. – No 3. – Pp. 1195–1250.
  8. Gatev E., Strahan P. E. Banks’ advantage in hedging liquidity risk: Theory and evidence from the commercial paper market // The Journal of Finance. – 2006. – Vol. 61. – No 2. – Pp. 867–892.
  9. Gredil O. R., Kapadia N., Lee J. H. On the information content of credit ratings and market-based measures of default risk // Journal of Financial Economics. – 2022. – Vol. 146. – No 1. – Pp. 172–204.
  10. He Z., Wei B., Yu J., Gao F. Optimal long-term contracting with learning // The Review of Financial Studies. – 2017. – Vol. 30. – No 6. – Pp. 2006–2065.
  11. Hilscher J., Wilson M. Credit ratings and credit risk: Is one measure enough? // Management Science. – 2017. – Vol. 63. – No 10. – Pp. 3414–3437.
  12. Hu Y., Varas F. A theory of zombie lending // The Journal of Finance. – 2021. – Vol. 76. – No 4. – Pp. 1813–1867.
  13. Li G., Zhang C. Counterparty credit risk and derivatives pricing // Journal of Financial Economics. – 2019. – Vol. 134. – No 3. – Pp. 647–668.
  14. Luo S., Murphy A. Understanding the exposure at default risk of commercial real estate construction and land development loans: Working paper. – FRB of Dallas Working Paper, 2020.
  15. Nikolov B., Schmid L., Steri R. The sources of financing constraints // Journal of Financial Economics. – 2021. – Vol. 139. – No 2. – Pp. 478–501.
  16. Nozawa Y. What drives the cross-section of credit spreads?: A variance decomposition approach // The Journal of Finance. – 2017. – Vol. 72. – No 5. – Pp. 2045–2072.
  17. Rajan U., Seru A., Vig V. The failure of models that predict failure: Distance, incentives, and defaults // Journal of Financial Economics. – 2015. – Vol. 115. – No 2. – Pp. 237–260.
  18. Stepankova B., Teply P. Consistency of banks’ internal probability of default estimates: Empirical evidence from the COVID-19 crisis // Journal of Banking & Finance. – 2023. – No 154. – P. 106969.
  19. Zhao J., Yang L. Usage and exposures at default of corporate credit lines-An empirical study. – 2019. – [Electronic source]. – URL: https://www.moodysanalytics.com/articles/2019/usageand-exposures-at-default-of-corporate-credit-lines (accessed 15.10.2024)

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».