2.7. Анализ кредитных рисков
Кредитование как форма реализации инвестиционных проектов в современных условиях ориентировано прежде всего на проекты, которые могут быть реализованы в срок до года, реже до 1,5–2,5 лет при рыночном уровне ставок процента, хотя в мировой практике инвестиционные кредиты в основном предоставляются до 10 лет.
Кредитный риск – риск, связанный с опасностью неуплаты заемщиком основного долга и процентов, причитающихся кредитору. Причинами возникновения кредитного риска могут быть недобросовестность заемщика, ухудшение конкурентного положения конкретной фирмы, неблагоприятная экономическая конъюнктура. Следует отметить, что кредитный риск имеет место и в финансовой деятельности предприятия при предоставлении им товарного (коммерческого) или потребительского кредита покупателям. Формой его проявления является риск неплатежа или несвоевременного расчета за отпущенную предприятием в кредит готовую продукцию, а также превышения расчетного бюджета по инкассированию долга. Кредитный риск характеризуется как вероятность непогашения основного долга и процентов, непредвиденные обстоятельства, могущие возникнуть до истечения срока, к которому лицо, получившее отсрочку платежа или кредит, обязалось погасить задолженность. Кредитный риск – это не само свойство кредита, не столько вероятность, возможность нежелательного хода или неизбежность результата в процессе кредитования, сколько деятельность, которая может привести к достижению отрицательного результата.
Об уровне кредитного риска свидетельствует такой показатель, как просроченная задолженность. В последнее время данный показатель по России имеет тенденцию к снижению. Банкиры называют в качестве основных предпосылок к этому появление базы данных недобросовестных заемщиков и пересмотр отношения самих банков к процедуре кредитования, предъявление более жестких требований к заемщикам. Так или иначе, но иногда все же случаются и срывы, поэтому в инвестиционной сфере требуется построение комплексной системы риск-менеджмента.
Кредитные риски в зависимости от уровня могут возникнуть как следствие политических либо экономических причин. Данные риски являются внешними кредитными рисками по отношению к банку в отличие от внутренних кредитных рисков, затрагивающих отношения коммерческих банков с заемщиками.
На степень кредитного риска банков влияют следующие факторы:
1) степень концентрации кредитной деятельности банка в какой-либо сфере (отрасли), чувствительной к изменениям в экономике, т.е. имеющей эластичный спрос на свою продукцию, что выражается степенью концентрации клиентов банка в определенных отраслях или географических зонах, особенно подверженных конъюнктурным изменениям;
2) удельный вес кредитов и других банковских контрактов, приходящихся на клиентов, испытывающих определенные специфические трудности;
3) концентрация деятельности банка в малоизученных, новых, нетрадиционных сферах;
4) внесение частых или существенных изменений в политику банка по предоставлению кредитов, формированию портфеля ценных бумаг;
5) удельный вес новых и недавно привлеченных клиентов;
6) введение в практику слишком большого количества новых услуг в течение короткого периода (тогда банк чаще подвергается влиянию отрицательного или нулевого потенциального спроса);
7) принятие в качестве залога ценностей, труднореализуемых на рынке или подверженных быстрому обесцениванию.
Банковское кредитование реальных инвестиционных проектов имеет специфичные черты по сравнению с краткосрочным кредитованием.
Кредитный риск при кредитовании инвестиционных проектов количественно может быть оценен как отношение объема невыполненных обязательств по возврату предоставленных банком на тех или иных условиях инвестиционных средств (или не плаченных клиентами процентов по ним к общему объему обязательств клиентов (или причитающихся к уплате процентов) и рассчитывается на основе кредитной истории банка.
Так как момент возникновения обязательств и момент невыполнения клиентом своих обязательств обычно разнесены во времени, то величина реализованного за период кредитного риска потенциального кредитного риска по вновь заключенным или не закрывшимся договорам различается. Поэтому анализ кредитных рисков проводится в два этапа. Задачами первого этапа являются выявление общего объема не выполненных клиентами обязательств, группировка их в соответствии со специфическими характеристиками этих клиентов и выданных им ссуд и обобщение тенденций реализации кредитных рисков. На втором этапе анализа необходимо использовать эти выводы для классификации ссуд кредитного портфеля и оценки реальной рыночной стоимости активов банка.
Анализ реализованных кредитных рисков имеет смысл проводить по отдельным группам активов и ссуд (например, МБК, ссуды корпоративным клиентам и т.д.). Внутри каждой гpyппы нужно выделить ссуды, по которым клиенты нарушают договорные обязательства, определить, как ранее данные ссуды классифицировались и какие факторы повлияли на качество кредита. Анализ реализованных кредитных рисков, как и любой этап анализа, должен подытоживаться выделением сильных и слабых сторон банка на различных сегментах рынков активных операций. Полученные результаты используются также для уточнения методики классификации кредитов, применяемой на следующем этапе.
В основе анализа потенциальных кредитных рисков лежит классификация ссуд кредитного портфеля банка и его прочих активов, осуществляемая либо по рекомендациям ЦБ РФ (инструкция № 62а), либо по собственной методике банка.
После анализа реализованных кредитных рисков осуществляется новая процедура классификации кредитного портфеля и портфелей активов, предполагающая индивидуальную оценку уровня риска всех активных операций банка и получение на этой основе обобщенных характеристик банковских активов. Кроме классификации портфелей активов по группам риска, при анализе кредитного риска необходимо оценить уровень диверсификации банковских вложений в региональном и отраслевом аспектах, так как высокий уровень однотипных вложений также повышает уровень кредитных рисков, в данном случае системных: неблагополучная ситуация в регионе или нарастание экономических проблем в одной из отраслей могут привести к серьезным проблемам банка, не имеющего альтернативных вложений.
При проведении ситуационного анализа и осуществлении мониторинга кредитного портфеля выявление клиентов, имеющих сопоставимый с капиталом банка объем обязательств (например, более 5% капитала), необходимо для своевременного обнаружения потенциального кредитного риска.
Завершающим этапом оценки кредитного риска может быть оценка реальной рыночной стоимости кредитов и ценных бумаг банка. В зависимости от класса кредитов на основе проведенного анализа реализации кредитных рисков определяется возможная доля потерь по ним (с учетом реализации имеющихся залогов). Стоимость портфелей ценных бумаг определяется на основе существующих рыночных котировок и их прогнозов. Далее эта оценка будет использоваться при определении достаточности капитала банка и его реального размера.
По большей части оценка уровня кредитного риска может быть достоверно произведена только при проведении внутреннего анализа, основанного на материалах кредитных дел заемщиков. Анализ кредитоспособности заемщика является одним из способов минимизации кредитного риска. Под кредитоспособностью заемщика понимается способность хозяйствующего субъекта (юридического или физического лица) полностью и в срок рассчитаться по своим долговым обязательствам согласно условиям кредитного договора. Чтобы оценить кредитный риск, кредитный эксперт должен рассмотреть 4 аспекта кредитоспособности: отраслевой, финансовый, управленческий, аспект качества обеспечения.
На базе информации, собираемой банком, проводятся объективный анализ степени риска, связанный с предоставлением предприятию кредита, определение максимального размера кредита, который может быть предоставлен банком, возможного срока погашения. Поэтому информация, представляемая заемщиком и собираемая кредитором, должна быть достоверной, качественной и полной. Проблеме полноты и качества информации, позволяющей максимально точно определять уровень кредитного риска и сферу его влияния, уделяется все больше внимания в коммерческих банках. Однако при анализе кредитоспособности заемщика отечественные банки сталкиваются с вопросом, где и как можно получить достоверную информацию.
Здесь полезен опыт мировой банковской системы. В странах с развитой рыночной экономикой, в которых существуют разные системы сбора и анализа сведений о репутации и финансовом положении заемщиков, действуют кредитные бюро, которые создаются на коммерческой основе или государством и предоставляют информацию всем, кто имеет на нее право.
Источниками информации, формирующими базу данных кредитного бюро, являются переговоры с заемщиком; инспекция на месте; анализ финансовых отчетов; внешние источники.
В странах с большей распространенностью информации объем банковского кредита значительно выше даже с учетом последствий различной степени юридической защиты кредиторов. Знание заемщиком, что его кредитные показатели будут известны будущим кредиторам, также снижает риск, поскольку повышает издержки просрочки платежей.
Однако в докладе Всемирного банка отмечаются и отрицательные стороны развития информационных технологий: «Чтобы извлекать выгоды из этого развития, заемщики должны в определенной мере пожертвовать секретностью. Поскольку задачей кредитного анализа является определение различий между кредитоспособными и прочими заемщиками, статистические модели рейтингов кредитоспособности, использующие более широкую личную информацию, чем только кредитная история, могут иметь социально нежелательные последствия в виде усиления значения ряда неблагоприятных факторов – географических, этнических и пр. Кредитная дискриминация по некоторым специфическим признакам в ряде стран запрещена законом, и даже если его соблюдение затруднительно, остается потребность в защите от социально вредных последствий такого типа кредитной информации. Кроме того, отрасль по сбору информации имеет естественную тенденцию к концентрации или даже монополизации (90% кредитной информации по сектору мелкого бизнеса в США обеспечивается лидером – фирмой „Дан энд Брэдстрит“)».
Фирма «Дан энд Брэдстрит» собирает информацию примерно о 3 000 000 фирм США и Канады и предоставляет ее по подписке. Краткие сведения и оценки кредитоспособности каждой фирмы публикуются в общенациональных и региональных справочниках. Более детальная информация об отдельных фирмах сообщается в виде финансовых отчетов, наиболее распространенный из них – «Информация о деловом предприятии». Первый из 6 разделов отчета содержит сведения общего характера – наименование и адрес фирмы: код отрасли и предприятия; характер производства; форма собственности; суммарная оценка кредитоспособности (рейтинг); быстрота оплаты фирмой счетов; объем продаж, собственный капитал, число занятых; общее состояние и тенденции развития фирмы.
Суммарная оценка кредитоспособности состоит из 2 частей – двух букв (или цифры и буквы) и цифры. Первые два знака представляют собой оценку финансовой устойчивости фирмы, а последний – оценку ее кредитоспособности.
Второй раздел отчета содержит сведения, полученные от поставщиков фирмы, относительно аккуратности в оплате счетов и о максимальном кредите, полученном в течение года.
Третий раздел включает последний баланс и информацию о продажах и прибыльности фирмы, если такая имеется.
Четвертый раздел показывает обычный размер остатка на депозитном счете и платежи по ссудам.
В пятом разделе содержатся данные оруководителях и владельцах фирмы. В последнем разделе подробно охарактеризованы род деятельности фирмы, ее клиентура и производственные мощности.
Иногда банки сверяют свою информацию с данными других банков, имевших отношения с заемщиком. Они могут также проверить данные у различных поставщиков и покупателей данной фирмы. Такая сверка информации с контрагентами фирмы и другими банками позволяет также выявить репутацию и возможности фирмы, обратившейся за кредитом.
Еще одним источником сведений в США является Служба взаимного обмена кредитной информацией при национальной ассоциации управления кредитом – организация, снабжающая сведениями о кредитах, полученных фирмой у поставщиков по всей стране.
Члены организации получают ответ на вопрос: как аккуратно платит фирма? Однако в информации содержатся только факты, но отсутствуют анализ, объяснение или какие-либо рекомендации.
Во Франции анализ кредитоспособности заемщика коммерческие банки дополняют данными из картотеки Банка Франции, которая состоит из 4 разделов:
1) 10 групп, в которых предприятия распределяются в зависимости от размера актива баланса;
2) 7 групп с шифром от 0 до 6. Предприятие занимает свою позицию доверия, по оценкам руководителей, держателей капиталов, с которыми оно имеет деловые связи;
3) классификация предприятий по их платежеспособности. Банк Франции фиксирует все случаи неплатежей и в зависимости от этого разделяет клиентов на 3 группы, которые шифруются цифрами 7, 8, 9 («7» – пунктуальные выплаты, отсутствие трудностей; «8» – временные затруднения, не подрывающие платежеспособности; «9» – весьма ненадежный клиент);
4) деление всех клиентов на 2 группы: векселя и ценные бумаги, которые будут переучтены Банком Франции или нет.
Приоритетным направлением анализа кредитной заявки потенциального заемщика должны стать 3 основные цели: выявление перспективных финансово-устойчивых заемщиков; оценка кредитоспособности заемщиков; оптимизация структуры кредита для уменьшения риска банка и достижения поставленных заемщиком целей.
Оценивая кредитоспособность, необходимо учитывать личные качества, правовой статус, состояние и доходность активов заемщика, а также прогнозное развитие, которое определяется деловыми качествами и внешними факторами.
В мировой практике при проверке кредитоспособности применяется 2 метода: логико-дедуктивный и эмпирико-индуктивный. С помощью логико-дедуктивного метода выявляется зависимость между кредитоспособностью потенциального заемщика в будущем и факторами, которые оказывают на нее влияние, определяются важные внутрифирменные и внешние факторы.
Сущность эмпирико-индуктивного метода заключается в том, что данный метод обобщает опыт, связанный с предыдущими заемщиками, и учитывает его при принятии решения в отношении новых кредитов. Этот метод базируется на предположении о том, что на основе анализа финансовой отчетности можно судить о развитии кредитоспособности заемщика в будущем. Для этого определяются индикаторы посредством математико-статистических методов, которые отражают характерные признаки различных кредитных историй, и предлагаются методические указания для принятия решений.
Проверка кредитоспособности проводится с целью определения качественной и количественной величины кредитного риска до принятия решения о предоставлении кредита. Поэтому необходима комплексная проверка кредитоспособности заемщика и проверка обеспечения.
Существуют следующие способы оценки кредитоспособности: на основе системы финансовых коэффициентов; на основе анализа денежных потоков; на основе анализа делового риска.
Основными направлениями, по которым проводится работа по оценке финансового состояния заемщика, являются:
1) анализ результатов деятельности клиента, состояние его ликвидности, а также соотношение между заемными и собственными средствами;
2) финансовые тенденции деятельности клиента;
3) оценка допустимой суммы кредита, которая должна быть привязана к потоку денежных средств клиента;
4) структуризация кредита для обеспечения соответствия потребностям клиента и входящим и выходящим потокам денежных средств.
Говоря об оценке кредитоспособности на основе системы финансовых показателей, важно подчеркнуть тот факт, что в мировой банковской практике применяется 5 групп таких показателей: показатели ликвидности; показатели эффективности (оборачиваемости); показатели финансового левериджа; показатели прибыльности; показатели обслуживания долга. Выбор финансовых показателей для оценки кредитоспособности заемщика определяется особенностями клиентуры банка, возможными причинами финансовых затруднений, кредитной политикой банка.
Американский ученый Э. Рид предлагает систему, состоящую из 4 групп показателей, определяющих различные характеристики кредитоспособности предприятия: ликвидности, оборачиваемости, привлечения средств, прибыльности. Достоинство данной системы состоит в том, что она позволяет спрогнозировать своевременность совершения платежей в будущем, ликвидность и реальность оборотных активов, а также оценить общее финансовое состояние предприятия и его устойчивость. Кроме того, данная система показателей дает возможность установить границы снижения объема прибыли, в которых обеспечивается погашение ряда фиксированных платежей. Тем не менее система оценки кредитоспособности Э. Рида не учитывает показатели рыночной устойчивости и неполно отражает показатели долгосрочной платежеспособности.
В практике зарубежных банков используется система показателей оценки кредитоспособности клиентов, предложенная группой американских ученых: Б.И. Нидлзом, Г.Ф. Андерсеном, Д.К. Колдвелом. В нее входят следующие группы показателей:
1) показатели, характеризующие ликвидность;
2) показатели, характеризующие прибыльность;
3) показатели, характеризующие долгосрочную платежеспособность;
4) показатели, основанные на рыночных критериях.
Данная система показателей оценки кредитоспособности более подробно характеризует финансовое состояние предприятия, так как в ней присутствуют показатели долгосрочной платежеспособности, которые определяют надежность своевременного совершения будущих платежей. Таким образом, система позволяет оценить не только текущую кредитоспособность и ликвидность заемщика, но и предвидеть возможность неплатежеспособности предприятия в дальнейшем. Проблема секретности имеет важное практическое значение. Бэррон и Стейтен (Barren and Staten, 2001) показали, что при введении даже умеренных требований секретности теряется значительная доля потенциальной ценности кредитной информации. В некоторых странах законодательство не позволяет открывать позитивную информацию по кредитной истории (т.е. разрешается сообщать только о дефолтах). Но без такой информации оказывается, что кредитор, установивший целевой коэффициент дефолта в размере не выше 3%, должен будет отказывать в предоставлении кредита 3 из каждых 5 заявителей, т.е. более чем в 2 раза большему числу, чем при наличии полной кредитной информации. Иногда банки сверяют свою информацию с данными других банков, имевших отношения с заемщиком. Они могут также проверить данные у различных поставщиков и покупателей данной фирмы. Такая сверка информации с контрагентами фирмы и другими банками позволяет также выявить репутацию и возможности фирмы, обратившейся за кредитом.
Наряду с положительными моментами данной системы ей присущ и недостаток – сложность расчета некоторых коэффициентов, требующих применения специальных статистических методов.
Оценка кредитоспособности на основе системы финансовых показателей полезна, поскольку дает характеристику отдельных сторон деятельности заемщика с помощью цифровых значений. Вместе с тем данная система ограничена, так как не учитывает ни характеристику заемщика (репутацию заемщика, кредитную историю в прошлом, отношения с деловыми партнерами, квалификацию персонала и т.д.), ни деловой климат в стране, ни состояние экономической конъюнктуры, наличие конкуренции, налоги, инфляции и т.д. Положение осложняется наличием «конкурирующих» количественных методов финансового анализа фирмы, основанных на вычислении по данным бухгалтерского баланса специальных коэффициентов-индикаторов. Среди них – коэффициенты текущей ликвидности, обеспеченности собственными оборотными средствами, восстановления платежеспособности, защищенности капитала, фондовой капитализации прибыли и т.д.
Каждый из названных коэффициентов имеет эталонное значение, с которым производится сравнение его расчетного аналога. При этом на практике эталонное значение является единым и «замороженным». Между тем очевидно, что оно должно быть, во-первых, дифференцировано для различных отраслей, имеющих объективно различную структуру активов и пассивов, во-вторых, жестко привязано к темпам инфляции, рост которых способствует завышению отчетных коэффициентов-индикаторов. По-видимому, не будет ошибкой утверждение, что эталонные коэффициенты должны быть дифференцированы и в региональном разрезе, так как различные территории имеют далеко не одинаковые воспроизводственные условия и возможности для сбыта продукции, что сказывается на финансовых показателях их деятельности.
Следовательно, из всего вышесказанного можно сделать вывод о том, что, применяя данные показатели, не стоит ограничиваться только ими, поскольку они не полно характеризуют кредитоспособность заемщика. Данную систему оценки кредитоспособности необходимо дополнять способами оценки на основе анализа денежного потока и анализа делового риска. При этом анализ движения денежных средств следует проводить по 3 направлениям: текущая, инвестиционная и финансовая деятельность.
Публикуемая отчетность и материалы годовых отчетов банка также содержат ряд показателей, анализ которых позволяет делать выводы относительно уровня кредитного риска банка с высокой степенью точности. К таким показателям прежде всего относятся: обеспеченность кредитных вложений резервами на возможные потери по ссудам, доля просроченных кредитов в кредитном портфеле банка, максимальный размер риска на одного заемщика (Н6), максимальный размер крупных кредитных рисков (Н7). Эти и другие показатели оценки уровня кредитного риска приведены в приложении 5.
Обобщая опыт оценки и анализа кредитоспособности, следует выделить наиболее популярные методы. В английских банках используются системы PARSER или CAMPARI.
Р-Person – информация о персоне потенциального заемщика, его репутации.
A-Amount – обоснование суммы испрашиваемого кредита.
R-Repayment – возможность погашения.
S-Security – оценка обеспечения.
Е-Expediency – целесообразность кредита.
R-Remuneration – вознаграждение банка (процентная ставка) за риск предоставления кредита.
С-Character – репутация заемщика.
A-Ability – оценка бизнеса заемщика.
М-Means – анализ необходимости обращения за ссудой.
Р-Purpose – цель кредита.
A-Amount – обоснование суммы кредита.
R-Repayment – возможность погашения.
I -Insurance – способ страхования кредитного риска.
В практике американских банков применяется «правило пяти си»:
1) CHARACTER – репутация заемщика;
2) CAPACITY – способность погасить ссуду;
3) COLLATERAL – наличие обеспечения, залога;
4) CAPITAL – капитал;
5) CONDITIONS – экономическая конъюнктура и ее перспективы.
Заметим, что американская система больше ориентирована на возможности возмещения потерь по ссудам, тогда как английская методика обращена на саму сделку, под которую испрашивается кредит. Только методика PARSER предусматривает расчет вознаграждения банка исходя из качества кредита. Конкретные значения показателей и способы расчета риска различаются в зависимости от ситуации. Результатом расчета является уровень риска потенциального кредита, выраженный в процентах или в виде рейтинга. Все эти методики, на наш взгляд, могут быть использованы только на начальном этапе анализа, так как дают лишь статическую, моментную характеристику заемщика и не раскрывают полностью его поведение в процессе использования кредита.
Модель кредитного надзора Чессера прогнозирует случаи невыполнения клиентом условий кредитного договора. При этом под невыполнением условий подразумевается не только непогашение ссуды, но и любые другие отклонения, делающие ссуду менее выгодной для кредитора, чем было предусмотрено первоначально. Автор модели использует 6 переменных:
X1 = наличность + легкореализуемые ценные бумаги / совокупные активы;
Х2 = нетто-продажи / наличность + легкореализуемые ценные бумаги;
Х3 = брутто-доходы / совокупные активы;
Х4 = совокупная задолженность / совокупные активы;
Х5 = основной капитал / чистые активы;
Х6 = оборотный капитал / нетто-продажи.
На основе вышеизложенного была выведена формула:
Y = – 2,0434 – 5,24X 1 + 0,0053X 2 – 6,6507Х 3 + 4,4009X 4 – 0,0791Х 5 – 0,1020Х 6 .
Переменная Y используется для оценки вероятности невыполнения условий договора по следующей формуле:
P = 1/(1 + e -y ).
Если Р > 0,5, то заемщик не выполнит условий договора; если Р < 0,5, то заемщик надежен.
Достоинством этой модели является возможность оценки заемщика как до выдачи кредита, так и в процессе мониторинга. Недостаток заключается в том, что значения коэффициентов могут не давать желаемого результата в условиях российской действительности.
Тот же принцип лежит в основе Z-анализа, разработанного Эдвардом Альтманом. Цель анализа заключается в отнесении изучаемого объекта к одной из двух групп: либо к банкротам, либо к успешно действующим фирмам.
Уравнение Z-оценки выглядит следующим образом:
Z = 1,2Х 1 + 1,4Х 2 + 3,3Х 3 + 0,6Х 4 + 1,0Х 5 ,
где X1 = оборотный капитал / совокупные активы;
X2 = нераспределенная прибыль / совокупные активы;
Х3 = брутто-доходы / совокупные активы;
Х4 = рыночная оценка капитала / балансовая оценка суммарной задолженности;
Х5 = объем продаж / совокупные активы.
Правило классификации таково:
1) если Z < 2,675, фирму относят к группе банкротов;
2) если Z > 2,675, фирму относят к группе успешных.
При значении Z от 1,81 до 2,99 модель не работает, этот интервал – «область неведения». Достоинство этой модели по сравнению с моделью Чессера – простота.
Следовательно, по нашему мнению, из всего вышесказанного можно сделать вывод о том, что, применяя данные показатели, не стоит ограничиваться только ими, поскольку они неполно характеризуют кредитоспособность заемщика. Данную систему оценки кредитоспособности необходимо дополнять способами оценки на основе анализа денежного потока и анализа делового риска, при этом анализ движения денежных средств следует проводить по трем направлениям: текущая, инвестиционная и финансовая деятельность.
В результате аналитических исследований возможна ситуация, когда выяснится, что у клиента нет реальной потребности в кредите, и он в состоянии обойтись собственными средствами. Возможен и вариант, когда проект неосуществим в обозримом будущем. У коммерческой фирмы могут быть только два повода для обращения в банк за кредитом:
1) для пополнения оборотного капитала;
2) для удовлетворения потребности в инвестиционных средствах. В качестве основного инструмента анализа предлагается не стандартная форма движения денежных средств, где учитываются не только деньги, но и денежные эквиваленты, а денежный поток в смысле денежного бюджета. Его обычно составляют финансовые работники фирмы с целью контроля над поступлением и расходованием средств. Составление денежного потока в принципе дело несложное. Важным является выбор временного интервала планирования, который зависит от природы фирмы и условий ее коммерческой деятельности. Чем меньше интервал планирования, тем точнее можно получить результат, но тем выше трудоемкость работ. На практике оптимальным интервалом планирования является декада, так как позволяет с большой степенью точности согласовать поступления и отток денежных средств в течение месяца. В каждом конкретном случае необходимо определить интервал или интервалы для разных стадий проекта, исходя из особенностей и характера проекта.
Прогноз денежных потоков позволяет получить контрольные цифры, обеспечивающие проведение оперативного контроля над действиями ссудозаемщика посредством анализа движения денежных средств по его расчетному счету. Базовыми показателями оперативного контроля являются:
1) суммы и сроки поступления денежных средств;
2) суммы и сроки расходования денежных средств. Отсутствие поступлений или превышение расходной части бюджета непременно приведут к невыполнению ссудозаемщиком своих обязательств перед банком.
Эффективность контроля возможна только в случае привязки разработанных графиков к кредитному договору. Кредитный договор должен предусматривать возможность приостановления или прекращения договора по факту непоступления средств на расчетный счет клиента или превышения расходов, предусмотренных бюджетом.
Из-за потенциально опасных последствий кредитного риска важно провести всесторонний анализ банковских возможностей по оценке, администрированию, наблюдению, контролю, осуществлению и возврату кредитов, авансов, гарантий и прочих кредитных инструментов. Данный анализ должен также определить адекватность финансовой информации, полученной от заемщика, которая была использована банком при принятии решения о выдаче кредита. Риски по каждому кредиту должны периодически переоцениваться, так как им свойственно изменяться.
Базельский комитет по надзору за банковской деятельностью в 1999 г. предложил участникам рынка внести кардинальные изменения в нормативы, регулирующие кредитную деятельность банков. Новый подход позволяет учесть уровень кредитоспособности заемщика, делая основной упор на наличие соответствующего кредитного рейтинга: чем выше кредитный рейтинг, тем меньше средств необходимо для создания резервов и поддержания позиции.
На данный момент в мировой практике для оценки кредитного риска используются следующие методологии и модели: CreditRisk+ (CSFP, 1997); CreditMetrics (J.P. Morgan, RMG Corporation, 1997); Portfolio Manager и Credit Monitor (KMV Associates, 1993); CreditPortfolioView (McKinsey, 1998); Jarrow-Tumbull Model (Kamakura, 1993–1995).
Эти модели позволяют оценить с определенной степенью точности размер потерь от кредитного риска и вычислить рисковую стоимость (Value at Risk, VaR). Рисковая стоимость отражает максимально возможные убытки от изменения стоимости финансового инструмента, портфеля активов, компании и т.д., которое может произойти за данный период времени с заданной вероятностью его появления. Иными словами, рисковая стоимость – это размер убытка, который может быть превышен с вероятностью не более х% (не будет превышен с вероятностью (100 – х%) в течение последующих n дней.
Хотя каждая модель имеет свои особенности, все они дают возможность определить распределение убытков (loss distribution) по портфелю (корзине) кредитных рисков, а на основе этого вычислить ожидаемый убыток по портфелю при любом заданном уровне доверия (доверительном интервале), изменчивость величины данных убытков и размер капитала, необходимого для поддержки портфеля.
Кривая распределения убытков по портфелю отражает вероятность достижения определенной стоимости портфеля в течение заданного временного периода.
Модели VaR также позволяют оценить разницу между экономическим капиталом (капиталом, необходимым для поддержания портфеля) и размером капитала, необходимого по условиям Базельского соглашения.
Процедура анализа кредитного риска с помощью моделей VаR включает анализ вероятности дефолта и ожидаемой остаточной стоимости по каждой составляющей портфеля, следующего за этим расчета прогнозируемых убытков и формируемых резервов. В случае с портфелями, подвергающимися рыночной переоценке, помимо риска дефолта, важно также оценить риск изменения кредитных спрэдов и изменения сумм дополнительных доходов, получаемых в обмен на принятие кредитного риска. Сумма под риском (VаR) может быть рассчитана несколькими методами.
1. Метод исторического моделирования рассчитывает гипотетические изменения стоимости текущего портфеля на основе данных об изменениях факторов риска в прошлом.
2. Метод дисперсии / ковариации рассчитывает изменения стоимости текущего портфеля путем суммирования чувствительности факторов риска по отдельным позициям с матрицей ковариации, представляющей относительную неустойчивость и корреляции факторов риска.
3. Метод Монте-Карло конструирует распределение текущего портфеля с помощью крупной выборки случайных комбинаций сценариев движения цен, вероятность которых, как правило, рассчитывается на основе фактических данных за прошлый период.
При использовании методологии VаR ожидаемый финансовый результат деятельности банка включает следующие составляющие:
1) ожидаемые доходы;
2) ожидаемые расходы;
3) величину прибыли, подверженной риску (с обязательным указанием доверительного интервала).
На Западе методология VаR применяется, во-первых, при управлении рисками в части установления лимитов, оценки оптимального хеджирования, внутреннего контроля, отчетности; во-вторых, при определении качества работы.
По нашему мнению, методология VаR имеет следующие достоинства:
1) в рамках методологии применяется портфельный подход к рассмотрению структуры активов и пассивов банка;
2) расчет ожидаемой прибыли основан на сопоставлении реальных рыночных ставок финансовых инструментов, а не некоторой базовой рыночной ставке (имеющей аналитическую природу), как в методиках GAP-анализа и анализа разрыва дюрации (модифицированной дюрации);
3) расчет величины предполагаемого процентного риска (ППР) базируется на исторических колебаниях реальных финансовых инструментов, а не на произвольно задаваемых колебаниях базовой рыночной ставки;
4) за счет учета исторических ковариаций финансовых инструментов, составляющих портфель активов и пассивов банка, расчет предполагаемого процентного риска (ППР) производится более корректно, чем при применении методик стохастического моделирования;
5) методология применима при решении задачи регулирования себестоимости отдельных финансовых инструментов, входящих в портфель пассивов банка (например, при установлении ставок по корреспондентским счетам «лоро», расчетным текущим счетам клиентов и клиентским депозитам);
6) методология может использоваться для расчета обоснованного уровня «stop-loss» или «take-profit» для отдельных финансовых инструментов (например, спекулятивных вложений в корпоративные акции).
В зависимости от сферы применения VаR может иметь различные определения. Вот какое определение VaR дают руководители крупнейшего банка Chase с точки зрения ее использования для управления рыночным риском: «VаR – это денежная оценка возможных потерь при неблагоприятных рыночных условиях. VаR рассчитывается для одного операционного дня и является потерями, вероятность превышения которых составляет один процент».
Этот подход заключается в моделировании на основе фактических данных и предполагает, что изменения процентных ставок, курсов иностранной валюты, курсов акций и товарных цен на протяжении прошедшего года могут использоваться для прогноза их динамики в будущем.
Моделирование используется для анализа торговых позиций в конце каждого операционного дня. Результаты анализа рассматриваются применительно к каждой отдельной позиции, а также группируются по видам деятельности, географическим рамкам, валютам и типам риска.
В связи с тем, что максимальные и минимальные значения VаR разных компонентов портфеля могут встречаться в разные дни, нет смысла высчитывать эффект от диверсификации портфеля. Кроме того, среднее значение VаR и значение в конце года меньше суммы VаR всех компонентов ее рыночного риска, что является результатом компенсации риска вследствие диверсификации портфеля.
Chase только с 1999 г. стал предоставлять информацию о рыночном риске, связанном с инвестициями хеджингового фонда, выделив для этого отдельную категорию VаR.
По нашему мнению, недостатки методологии VаR, как и методик стохастического моделирования, обусловлены «статистической» природой методологии и связанными с ней следующими предположениями:
1) наличествуют ликвидные рынки с большими историей (как минимум, годовой), емкостью и числом операторов по каждому из финансовых инструментов, входящих в портфель активов и пассивов;
2) изменчивость финансовых инструментов, входящих в портфель активов и пассивов, близка к исторической;
3) корреляция валютных курсов практически не отличается от исторической;
4) доходности и себестоимости всех финансовых инструментов, входящих в портфель активов и пассивов, за последовательные промежутки времени являются некоррелированными;
5) поведение цен по всем финансовым инструментам, входящим в портфель активов и пассивов, не имеет закономерности и является случайным.
В.А. Купчинский и А.С. Улинич полагают, что методология VаR имеет следующие общие недостатки:
1) применима только для анализа ликвидных рынков с большими историей, емкостью и числом операторов;
2) предполагает, что историческая изменчивость является хорошим ориентиром на будущее;
3) корреляция валютных курсов принимается в качестве постоянной;
4) предполагает линейную динамику доходности и (или) себестоимости финансовых инструментов;
5) не учитывает торговый риск в течение одного дня.
Названные исследователи исходя из анализа предположений, принятых в рамках методологии VаR, и ее недостатков, приходят к заключению, что после августовского кризиса 1998 г. в российских условиях она неприменима по следующим причинам:
1) в течение ближайших нескольких лет в России не будет финансовых рынков, отвечающих требованиям развитости, емкости и ликвидности, предъявляемым VаR;
2) до новой стабилизации финансовых рынков Российской Федерации корректность предположений, связанных с исторической изменчивостью, является спорной;
3) в связи с резким падением российского рубля не выполняются ограничения, связанные с устойчивостью корреляций валютных курсов.
Таким образом, В.А. Купчинский и А.С. Улинич считают, что из всего многообразия методик финансового анализа, распространенных на Западе, в России «работают» лишь методика анализа разрывов платежной позиции банка (GAP-анализа) и методика анализа изменения чистой текущей стоимости (NPV) банков, базовая рыночная ставка которых моделируется путем анализа сценариев.
Однако этого недостаточно для корректного анализа уровня финансового риска коммерческого банка, особенно кредитного риска.
Моделирование кредитного риска отличается повышенной сложностью, что обусловлено наличием как минимум трех причин.
Во-первых, оценку кредитного риска на конкретный срок по каждому заемщику сильно затрудняют отсутствие ликвидного рынка и острая нехватка статистических данных для анализа риска дефолта (сам по себе дефолт не относится к категории часто происходящих общественных явлений). Особенно остро проблема нехватки данных стоит перед развивающимися рынками. Кредиты как частные контракты оценивать еще сложнее из-за конфиденциальности большей части информации.
Во-вторых, текущие вероятности дефолта, основанные на рыночных ценах, нельзя считать однозначно достоверными. Заинтересованные участники должны определять вероятность дефолта, либо принимая в расчет показатели, основанные на исторических данных об изменениях кредитных рейтингов, либо исходя из субъективных оценок при принятии решения о кредитовании.
В-третьих, корреляции между дефолтами весьма сложны для наблюдения и оценки, что затрудняет решение задачи агрегирования кредитного риска.
Сложность моделирования кредитных рисков обусловила появление альтернативных методов оценки вероятности дефолта, ожидаемых убытков и капитала, необходимого для поддержания существующих кредитных позиций. На базе этих методов участниками рынка и специализированными компаниями был разработан ряд моделей VaR, главные из которых нам представляется важным кратко охарактеризовать.
Модель CreditRisk+ была разработана специалистами Credit Suisse Financial Products – одним из ее инвестиционных подразделений группы Credit Suisse и появилась на рынке в середине 1997 г. В основе ее аналитического подхода лежат показатели вероятности дефолта, сопоставляемые с иными показателями определенной рейтинговой группы, изменчивость данных вероятностей, а также общее исследование отдельного сектора экономики. Математическая основа модели схожа с применяемой в аналогичных ситуациях в страховании. Вместо нормального вероятностного распределения и допущения случайных отклонений, стандартно используемых в финансовой математике для описания ценовых движений активов, в CreditRisk+ используются распределение Пуассона и связанные с ним математические методы.
Отметим, что модель CreditRisk+ предназначена не для изучения причин дефолта, а для анализа такого показателя, как случайное событие. Поэтому в ней адаптируются математические методы, применяемые для анализа страховых рисков, аналогичные актуарным расчетам.
В отличие от CreditMetrics и Portfolio Manager в CreditRisk+ не используются абсолютные уровни риска дефолта – уровни дефолтов выступают как непрерывная случайная величина. Будучи основой для присвоения кредитного рейтинга, они меняются с течением времени, и это непостоянство отражается в числовом значении их изменчивости (стандартное отклонение). Уровни дефолтов, сопоставленные с определенными рейтинговыми классами и распределенные по конкретным субъектам, вместе с показателями изменчивости определяются в CreditRisk+ как исходные данные.
В CreditRisk+ отрицается обязательное наличие корреляций между случаями дефолта, поэтому такие корреляции подробно не моделируются. Невозможность анализа взаимосвязи между отдельными кредитами, входящими в портфель, означает, что на практике самой важной является взаимосвязь между экономическими условиями и уровнем дефолтов. Однако и эта связь не является достаточно четкой: уровень дефолтов из года в год сильно колеблется, а различные секторы экономики в разной степени подвержены влиянию общей экономической ситуации. Поэтому в качестве исходных данных в CreditRisk+ используется волатильность этих уровней, причем чем больше будет охватываемый волатильностью временной период и чем большее число спадов и подъемов он будет включать, тем в большей степени модель будет отражать эффект экономических циклов.
Упомянутые особенности модели CreditRisk+ позволяют сделать вывод о том, что она наиболее применима для вычисления общего уровня потерь и менее точна в анализе влияния отдельного сектора или субъекта на профиль портфельного риска. Это не представляется большим упущением, поскольку существующая корреляция сама не отличается необходимой стабильностью. В то же время минимум требований к исходным данным делает эту модель более простой в применении, дополнительную привлекательность ей придает быстрота аналитических расчетов распределения убытков по портфелю.
Методология CreditMetrics была разработана сотрудниками ведущего оператора рынка кредитных деривативов – банка Дж.П. Моргана и стала применяться наряду с CreditRisk+ с 1997 г. Впоследствии подразделение, занимавшееся данным проектом, было выделено в отдельную структуру – Risk Metrics Group (RMG). В отличие от CreditRisk+ CreditMetrics – это всего лишь методология и первоначальные исходные данные, т.е. для работы с ними и добавления собственных данных нужно дополнительное программное обеспечение.
Методология CreditMetrics базируется на методе статистических испытаний Монте-Карло (Monte Carlo simulation). Это означает, что распределение убытков определяется на основе значений вероятностей так называемой кредитной миграции и корреляции между изменениями кредитных рейтингов. Применение этого метода обусловливается тем, что статистические приемы, используемые в нем для моделирования возможной стоимости кредитов в портфеле, порождают значительное увеличение количества расчетов, необходимых для оценки результата при добавлении в портфель еще одного кредита. Так, для портфеля из 3 активов с помощью рассматриваемой модели исследуется 512 возможных сочетаний, а в случае с 5 активами их число достигнет уже 32 768.
Метод Монте-Карло позволяет выводить распределение убытков по портфелю на любую дату в пределах срока обращения активов. По каждому должнику определяется кредитный рейтинг, а для вычисления вероятности его изменения или дефолта применяется специальная переходная матрица (transition matrix).
Одним из преимуществ методологии CreditMetrics является то, что она учитывает выгоды от диверсификации портфеля, уменьшающие совокупный риск одиночных сделок, и принимает в расчет взаимосвязанные события, касающиеся должников (одновременное понижение рейтингов нескольких должников и т.п.). В итоге концентрация портфеля на отдельном заемщике, отрасли или регионе выразится в росте требований к размеру капитала.
По методологии CreditMetrics не рассчитывают эффект возможной корреляции между поведением отдельных заемщиков и кредитными случаями, с одной стороны, и глобальными факторами (состоянием экономики и др.) – с другой. Он учитывается опосредованно через использование исторических данных о дефолтах и вычисление корреляций облигационных спрэдов по базовым активам. Заметим, однако, что при весьма скудных сведениях о многочисленных дефолтах исторические данные не смогут оказаться полезными. Использование облигационных спрэдов выглядит более привлекательным, но оно требует дополнительных допущений относительно связи между ценами активов и изменениями рейтингов или дефолтом.
Необходимо отметить, что на понижение цены кредитного инструмента оказывает влияние не только объявление дефолта (крайний случай обесценения), но и снижение кредитного рейтинга.
Главными достоинствами CreditMetrics являются относительная простота и четкость методологии, позволяющие дополнительно реализовать обучающую функцию. Кроме того, под данную методологию независимые компании создали ряд совместимых с ней программных продуктов, расширяющих сферу ее применения.
Модель Portfolio Manager была разработана сотрудниками KMV Corporation и введена в 1993 г. В ее основе лежит измерение вероятностей дефолта при помощи методов, используемых в ценообразовании опционов (модель Блэка – Шоулза), и модель Мертона. Согласно модели Мертона корпоративные акции рассматриваются как опцион «колл», выписанный на активы компании. В соответствии с таким подходом акционеры передают право собственности кредиторам, но имеют право выкупить его обратно (т.е. как бы исполнить опцион на покупку), уплатив оставшийся долг (т.е. произведя покупку по цене исполнения). Если стоимость компании превосходит ее обязательства на дату погашения и акционеры уплатят долг, то остаток капитала будет находиться у самой компании. В противном случае акционеры позволят компании объявить дефолт. Стоимость компании может быть определена комбинированием текущей стоимости ее долговых обязательств покупкой опциона «колл» и продажей опциона «пут» с той же ценой исполнения и датой истечения.
Применительно к кредитному риску модель Мертона показывает, как снижается стоимость акций компании по мере приближения даты погашения долга и как фирма объявляет дефолт при обесценении права акционеров на досрочное погашение. Последняя ситуация описывается моделью как точка дефолта.
Отличительной особенностью Portfolio Manager является использование готовых выходных данных и методологии VaR для оптимизации кредитного портфеля и расчета коэффициентов Шарпа по каждой его составляющей. Исходное распределение вероятностей дефолта было получено эмпирически на основе собственной базы данных KMV Corporation более чем по 25 000 компаний во всем мире.
Для определения процентной вероятности достижения точки дефолта было введено понятие «дистанция до дефолта» (distance to default). При помощи этого показателя и базы данных модели получают ожидаемую частоту дефолта (expected default frequency – EDF).
С точки зрения разработчиков модели, взаимосвязь между двумя названными показателями отличается особенной устойчивостью в течение длительного периода времени и в условиях меняющейся экономической среды. Кроме того, показатель EDF играет важную роль: с помощью него и показателя глубины убытка (loss severity) определяют размер ожидаемых убытков в случае дефолта.
К числу выигрышных функциональных возможностей модели Portfolio Manager следует отнести определение оптимальных уровней для покупки, продажи или владения активом, определение структуры оптимального портфеля через изменение удельных весов существующих позиций, а также расчет «справедливых» цен для кредитных активов, соответствующих уровней капитала, необходимого для поддержки портфеля, и вкладов каждого последующего актива в общий профиль портфельного риска (marginal risk contribution).
Кроме того, при помощи модели Portfolio Manager и метода Монте-Карло можно установить распределение убытков по кредитному портфелю на любую дату в течение всего срока обращения и рассчитать величину капитала, необходимую для поддержания портфелей с разным уровнем риска.
Главным достоинством модели Portfolio Manager является своевременность предоставляемой ею информации о дефолтах, сигнализирующей об ухудшении кредитных характеристик заемщика. Примечательно, что модель «подает» сигнал, предвещающий возможный дефолт, примерно за 1,5 года до предполагаемого события. Вычислив вероятность дефолта с помощью Portfolio Manager, можно дать адекватную оценку задолго до того, как рейтинговые агентства проанализируют финансовую информацию за прошедший период.
Модель CreditPortfolioView была разработана сотрудниками консалтинговой фирмы McKinsey. Главной отличительной чертой этой модели является принятие в расчет текущих макроэкономических условий и разницы в экономическом развитии отдельных регионов, вызванной географическими или отраслевыми особенностями.
Согласно установкам CreditPortfolioView к факторам, влияющим на уровень дефолтов, относятся темпы роста ВВП, уровень безработицы и уровень процентных ставок. Следуя этой логике, должнику, например с кредитным рейтингом «ВВВ», в период экономического спада присуща большая вероятность дефолта, нежели в период бума.
Конкретная же форма распределения убытков по портфелю обусловлена текущим состоянием экономики и ведущих отраслей промышленности отдельно взятой страны. Данное положение, по мнению разработчиков модели, не исключает возможности использования эмпирической взаимосвязи макроэкономических факторов и рейтинговых переходных матриц.
При всем ее глобальном охвате модель CreditPortfolio-View обладает существенным недостатком – отсутствием данных, необходимых для выверки. Анализируя возможности модели, можно сделать вывод, что уточнение данных посредством увеличения числа рейтинговых классов, отраслей или географических регионов приводит к тому, что количество данных в отдельной категории сокращается. Это означает, что число исследуемых дефолтов уменьшается, а стандартная ошибка при расчете итоговых данных увеличивается, подвергая сомнению объективность полученных результатов.
Модель Джэрроу – Тернбула (Jarrow – Turnbull Model) впервые была предложена участникам рынка в 1993 г. основателем компании Kamakura Робертом Джэрроу и профессором Стюартом Тернбулом. В ее ранней версии была описана лишь общая методология оценки кредитов и основанных на них инструментов, а в 1995 г. была опубликована расширенная версия, в которой использовались исторические данные для оценки специфических параметров модели.
Модель Джэрроу – Тернбула содержит методику многофакторного анализа процентных ставок, с помощью которой можно получить количественную оценку связи между колебаниями процентных ставок и вероятностью дефолта за определенный промежуток времени. По мнению авторов модели, именно эта рыночная взаимосвязь является наиболее важной компонентой для максимально точного определения цены кредитного инструмента.
Анализ исследуемых в работе моделей позволяет утверждать, что именно повышенная сложность оценки и моделирования кредитных рисков привела к появлению и высокой популярности ценовых моделей VaR, базирующихся на методологии оценки размера потерь по отношению к стоимости позиции. Сложность моделирования в России обусловлена главным образом отсутствием ликвидного рынка, недостаточной объективностью имеющихся статистических данных о вероятностях дефолта и трудностями выявления и наблюдения корреляций между случаями дефолта.
Прав А.В. Кавкин, называющий основным достоинством моделей VaR то, что они дают коммерческим банкам возможность измерить величину кредитного риска, вычислить долю каждого кредита в общей доходности капитала и, соответственно, определить размер капитала, достаточного для обеспечения каждой отдельной позиции в кредитных портфелях. В основе данных моделей лежит подробный анализ риска дефолта, необходимый для получения распределения убытков по портфелю, для определения размера ожидаемых убытков и размера капитала, обеспечивающего поддержание имеющихся кредитных позиций.
Крупные банки в России, которым приходится иметь дело с высоким потенциальным финансовым риском, должны разрабатывать значительно более сложные системы индексов риска инвестиционной деятельности и методов его измерения и оценки, которые могут быть применены к различным рынкам. Такие внутренние модели измерения риска при возможных различиях в конкретных механизмах, как правило, имеют общую методологическую основу. Эти модели обычно измеряют агрегированный потенциальный рыночный риск банка и оценивают сумму, которую банк может потерять в случае владения конкретным активом в течение некоторого периода времени. Поскольку такие модели, основанные на показателях VаR, охватывают несколько видов рыночного риска, банк получает возможность точно настроить структуру портфеля и испробовать различные варианты диверсификации портфеля с целью снижения риска и (или) соответствующих потребностей в капитале.
На основе проведенного исследования можно сделать следующие выводы и рекомендации:
1) важная задача при создании эффективной системы управления хозяйственной и инвестиционной деятельностью в условиях неопределенности – выбор метода идентификации и оценки рисков инвестиционной деятельности, который должен строиться на первоначальном формировании базы методов идентификации и оценки, а также формировании критериев возможности и целесообразности применения того или иного метода. Основным параметром в рамках данного выбора будет являться «информационная насыщенность» анализируемого явления;
2) объекты, обладающие вероятностной природой и имеющие под собой в качестве обоснования некую статистическую экстраполируемую выборку, могут быть оценены с помощью традиционных вероятностно-статистических методов. Оценка же объектов, не имеющих таких данных, должна проходить с помощью методов нечеткой логики;
3) корректность оценки в обоих случаях всегда будет определяться адекватностью созданной модели рисков с точки зрения их анализа и синтеза решений, т.е. должно обеспечиваться условие соответствия системы рисков и ее модели, служащей основой для принятия решения, иначе говоря, должно соблюдаться условие валидности системы;
4) проблема принятия решений в инвестиционном менеджменте по оценке уровня риска в первую очередь заключается:
а) в большом количестве критериев эффективности инвестиционных решений, пренебрежение любым из которых может снизить эффективность проекта, нанести ущерб инвестору и организации, внедряющим проект, привести проект к банкротству, невозможности обеспечить расчеты по требованиям кредиторов;
б) в противоречиях критериев: например, рост доходности инвестиций, как правило, ведет к росту риска;
в) в непрерывном изменении условий реализации проекта во времени и, соответственно, изменении эффективности проекта. Разработка и внедрение каждого проекта требуют немало времени, на протяжении которого критерии эффективности могут изменяться, что часто остается не замеченным инвесторами, хотя оказывает сильное влияние на эффективность проекта;
5) принятие инвестиционного решения должно быть не простым утверждением единственного варианта инвестиционного проекта, а выбором наиболее эффективного варианта из конкурирующих между собой альтернатив (различных проектов), что представляет собой сложную проблему, так как по одним критериям предпочтения получают одни проекты, а по другим – другие.